UCバークレーの研究者たちは、LLMがより効果的に情報を処理し、最適な解決策を導き出すための手法を考案しました。 問題解決の過程で中間修正や検索を行いながら解に辿り着くといった方法論です。 実験では、物語のアウトラインの改善、ミニクロスワードの解決、そして制約された生成という3つの難しいタスクで有効性が検証されました。 参照論文情報 タイトル：THOUGHTSCULPT: Reasoning with Intermediate Revision and Search 著者：Yizhou Chi, Kevin Yang, Dan Klein 所属：UC Berkeley 本記事の関連研究： LL…