超越思维链：大型语言模型的X链范式综述

思维链（CoT）已经成为一种广泛采用的提示方法，激发了大型语言模型（LLMs）的印象深刻的推理能力。受CoT的连续思维结构的启发，已经开发了许多针对CoX（X链）的方法，以应对涉及LLMs的不同领域和任务中的各种挑战。在本文中，我们提供了一个全面的关于LLMs在不同情境下的CoX方法的综述。具体来说，我们根据节点的分类，即CoX中的X，以及应用任务对它们进行分类。我们还讨论了现有CoX方法的发现和含义，以及潜在的未来方向。我们的综述旨在为寻求将CoT理念应用于更广泛场景的研究人员提供一个详细且最新的资源。

https://arxiv.org/abs/2404.15676

大型语言模型（LLMs）在使用思维链（CoT）方法提示时表现出强大的推理能力（Wei et al., 2022; Yao et al., 2024; Besta et al., 2024a）。CoT的本质是将复杂问题分解为一系列中间子任务（Chu et al., 2023; Zhou et al., 2023）。通过逐步处理这些子任务，LLMs能够关注重要的细节和假设，这大大提高了它们在广泛推理任务中的表现（Huang and Chang, 2023; Chu et al., 2023）。此外，CoT的中间步骤提供了一个更透明的推理过程，便于对LLMs的解释和评估（Yu et al., 2023b）。随着CoT的成功，开发了许多X链（CoX）方法（Yu et al., 2023a）。这些方法不仅限于推理思维，最近的CoX方法还构建了包含各种组件的链，如反馈链（Lei et al., 2023; Dhuliawala et al., 2023）、指令链（Zhang et al., 2023d; Hayati et al., 2024）、历史链（Luo et al., 2024; Xia et al., 2024d）等。这些方法已被应用于解决涉及LLMs的多样化任务中的挑战，包括多模态交互（Xi et al., 2023a; Zhang et al., 2024a）、幻觉减少（Lei et al., 2023; Dhuliawala et al., 2023）、基于LLM的代理规划（Zhan and Zhang, 2023; Zhang et al., 2024c）等。

尽管这些CoX方法的普及度不断提高，但它们尚未被集体审查或分类，我们对它们的潜力和细微差别的理解还存在差距。为此，本综述旨在提供一个结构化概览，捕捉CoX方法的本质和多样性，以便进一步探索和创新。虽然几项综述已经探讨了CoT（Chu et al., 2023; Yu et al., 2023b; Besta et al., 2024b），它们主要关注不同结构的推理思维，例如图1(a)所示的思维链。与此相反，本文关注的是如图1所示，超越推理思维的多面向组件设计的X链，提供CoT概念在更广泛领域的见解。我们通过CoX中的X的分类和应用这些方法的任务来呈现一个全面的综述。综述概览首先提供思维链的背景信息并定义X链为其概括（§2）。接下来，我们根据用于构建链的组件类型对CoX方法进行分类（§3）。此外，根据这些CoX方法的应用领域，我们按任务对它们进行分类（§4）。然后，我们讨论现有CoX方法的见解并探索潜在的未来方向（§5）。综述的详细结构在图2中呈现。

什么是X链？

在本节中，我们首先介绍一些关于思维链（Chain-of-Thought，CoT）提示的背景信息，然后定义一个广义的X链（Chain-of-X，CoX）概念。

思维链（CoT）提示是一种方法论，能显著增强大型语言模型（LLMs）的推理能力。CoT由Wei等人（2022）引入，涉及以结构化的格式<input, thoughts, output>提示LLMs，其中“thoughts”包括通向最终答案的连贯的中间自然语言推理步骤。CoT在需要复杂推理的任务中效果最为显著。传统的少样本学习方法在这类场景中经常会失败，因为它们倾向于直接提供答案而不包括必要的中间步骤。Rae等人（2021）强调了这一局限性，指出这些方法随着模型大小的增加而显得不足。相比之下，CoT提示通过融入中间推理步骤而表现出色。这些步骤通过逻辑推进引导模型，增强其解决算术、常识和符号推理等复杂问题的能力（Wang等人，2023d；Lyu等人，2023）。CoT的本质在于通过将复杂问题分解为可管理的中间步骤来解决问题（Zhou等人，2023）。Kojima等人（2022）也展示了通过提示“让我们一步一步思考。”的零样本CoT的强大性能。明确的推理步骤还为模型的思考过程提供了一个透明的路径，允许进一步的评估和纠正（Yu等人，2023b）。

受CoT的顺序分解特性启发，最近开发了大量的X链（CoX）方法（Yu等人，2023a）。在这里，我们将CoX定义为CoT方法的一种广义形式，用于超越LLM推理的多样化任务。我们将CoX中的X称为链结构的“节点”。除了CoT提示中的思考外，CoX中的X可以采取针对特定任务定制的各种形式，包括中间件（§3.1）、增强（§3.2）、反馈（§3.3）甚至模型（§3.4），如图1所示。我们在图2中总结了现有CoX方法中的节点类型。CoX的想法是构建一个与问题相关的组件序列，这些组件要么组合贡献解决方案，要么迭代精炼复杂任务的输出。同样，我们为CoX定义了一个结构化格式<input, X1, ..., Xn, output>，其中n是链的长度。请注意，这种格式超越了像CoT这样的提示策略，可以适应多种算法框架或结构，用于涉及LLMs的多样化任务。例如，验证链（Chain-of-Verification，Dhuliawala等人，2023）是一个幻觉减少框架，使用LLM生成初始响应，构建一系列验证问题，并根据这些问题修订其先前的响应。除了减少幻觉外，CoX方法还被应用于多种任务，如图2所示，包括多模态互动（§4.1）、事实性与安全（§4.2）、多步骤推理（§4.3）、指令跟随（§4.4）、LLMs作为代理（§4.5）和评估工具（§4.6）。

结论

本综述探讨了基于思维链概念构建的X链方法。通过根据节点和任务对它们进行分类，我们提供了一个全面的概览，突出了CoX在增强大型语言模型（LLMs）能力方面的潜力，并为未来研究开辟了新的途径。通过这项综述，我们旨在激发对LLMs的X链范式进行更深入理解和更有创造性使用的进一步探索。

扫描二维码添加小助手微信