論文の概要: Navigate through Enigmatic Labyrinth A Survey of Chain of Thought Reasoning: Advances, Frontiers and Future
- arxiv url: http://arxiv.org/abs/2309.15402v3
- Date: Thu, 6 Jun 2024 01:58:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-08 00:39:36.741500
- Title: Navigate through Enigmatic Labyrinth A Survey of Chain of Thought Reasoning: Advances, Frontiers and Future
- Title（参考訳）: エニグマティック・ラビリンスを通した思考推論の連鎖に関する調査 : 進歩,フロンティア,未来
- Authors: Zheng Chu, Jingchang Chen, Qianglong Chen, Weijiang Yu, Tao He, Haotian Wang, Weihua Peng, Ming Liu, Bing Qin, Ting Liu,
- Abstract要約: 思考の連鎖はLLMの推論能力を大幅に向上させる。
本稿では,高度な手法を要約し,関連研究を体系的に研究する。
また、現在のフロンティアを掘り下げて、課題と今後の方向性を述べています。
- 参考スコア（独自算出の注目度）: 38.1992191907012
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reasoning, a fundamental cognitive process integral to human intelligence, has garnered substantial interest within artificial intelligence. Notably, recent studies have revealed that chain-of-thought prompting significantly enhances LLM's reasoning capabilities, which attracts widespread attention from both academics and industry. In this paper, we systematically investigate relevant research, summarizing advanced methods through a meticulous taxonomy that offers novel perspectives. Moreover, we delve into the current frontiers and delineate the challenges and future directions, thereby shedding light on future research. Furthermore, we engage in a discussion about open questions. We hope this paper serves as an introduction for beginners and fosters future research. Resources have been made publicly available at https://github.com/zchuz/CoT-Reasoning-Survey
- Abstract（参考訳）: ヒューマンインテリジェンスに不可欠な基本的な認知プロセスであるReasoningは、人工知能において大きな関心を集めている。
近年の研究では、チェーン・オブ・シントがLLMの推論能力を大幅に向上させ、学術と産業の両方から広く注目を集めていることが明らかになっている。
本稿では,本研究を体系的に研究し,新たな視点を提供する厳密な分類法を用いて高度な手法を要約する。
さらに、私たちは現在のフロンティアを掘り下げ、課題と今後の方向性を明確にし、将来の研究に光を当てています。
さらに、オープンな質問に関する議論も行っています。
この論文が初心者の紹介として役立ち、今後の研究を促進することを願っている。
リソースはhttps://github.com/zchuz/CoT-Reasoning-Surveyで公開されている。
関連論文リスト
- Robust Internal Representations for Domain Generalization [23.871860648919593]
本稿では,埋め込み空間を利用したトランスファーラーニングにおける私の研究の包括的調査として機能する。
私の研究は、いくつかのショット学習、ゼロショット学習、連続学習、ドメイン適応、分散学習など、トランスファーラーニングのさまざまな設定について詳しく調べています。
論文 参考訳（メタデータ） (2023-09-27T09:41:02Z) - A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual
Learning [76.47138162283714]
蓄積とは、以前取得した情報や知識の喪失または劣化を指す。
フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
調査では、忘れることは二重刃の剣であり、ある場合には有益で望ましいと論じている。
論文 参考訳（メタデータ） (2023-07-16T16:27:58Z) - Knowledge-enhanced Neural Machine Reasoning: A Review [67.51157900655207]
既存の知識強化手法を2つの主要なカテゴリと4つのサブカテゴリに分類する新しい分類法を導入する。
我々は、現在のアプリケーションドメインを解明し、将来的な研究の展望について洞察を提供する。
論文 参考訳（メタデータ） (2023-02-04T04:54:30Z) - Towards Data-and Knowledge-Driven Artificial Intelligence: A Survey on
Neuro-Symbolic Computing [66.91310801654548]
ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。
NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
論文 参考訳（メタデータ） (2022-10-28T04:38:10Z) - An information-theoretic perspective on intrinsic motivation in
reinforcement learning: a survey [0.0]
本稿では,これらの研究成果を情報理論に基づく新たな分類法を用いて調査することを提案する。
我々は、サプライズ、ノベルティ、スキル学習の概念を計算的に再考する。
我々の分析は、新規性とサプライズがトランスファー可能なスキルの階層を構築するのに役立つことを示唆している。
論文 参考訳（メタデータ） (2022-09-19T09:47:43Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳（メタデータ） (2022-01-20T17:07:03Z) - Threat of Adversarial Attacks on Deep Learning in Computer Vision:
Survey II [86.51135909513047]
ディープラーニングは、予測を操作できる敵攻撃に対して脆弱である。
本稿では,ディープラーニングに対する敵対的攻撃におけるコンピュータビジョンコミュニティの貢献を概観する。
この領域では、非専門家に技術的な用語の定義を提供する。
論文 参考訳（メタデータ） (2021-08-01T08:54:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。