这是微软在11月最新发布的一篇论文，题为“Everything of Thoughts: Defying the Law of Penrose Triangle for Thought Generation”，介绍了一种名为XOT的提示技术，它增强了像GPT-3和GPT-4这样的大型语言模型(llm)解决复杂问题的潜力。
当前提示技术的局限性
LLM的最新进展通过将复杂的问题分解成更易于管理的“思想”，然后通过自然语言提示表达出来，从而实现了解决问题的新方法。但是大多数现有的提示技术都有局限性:
输入-输出(IO)提示仅适用于具有单步解决方案的简单问题，缺乏灵活性。
思维链(CoT)能够逐步解决问题，但仅限于线性思维结构，限制了灵活性。
思维树(ToT)和思维图(GoT)允许更灵活的思维结构，如树或图。但是它们需要LLM本身来评估中间思想，通过多个LLM调用产生大量的计算成本。
从本质上讲，当前的提示技术面临着“彭罗斯三角”约束——它们最多可以实现两个属性(性能、效率、灵活性)，但不能同时实现这三个属性。
https://avoid.overfit.cn/post/491c60ff00884f06adff77b0025e162d
标签：思维,XoT,提示,模型,技术,LLM,GPT From： https://www.cnblogs.com/deephub/p/17826777.html