毕业论文:多角色协同解题
前期参与常规神经网络数学应用题求解,包括训练、模型修改与数据集测试;在效果不理想后,转向探索通用大模型。
- 面向 GPT-3.5 设计多专家与多角色场景
- 通过多轮纠错提升数学应用题求解能力
- 毕业论文 91/100,获评浙江大学优秀毕业论文
以子表达式为最小生成单元和推理节点,在每一步并行生成候选子表达式,再按顺序组合为完整数学推理链。
将逐步表达链作为可检查的解题思路,而不是只提供最终答案。
本科阶段的工作分成两条相连的线:毕业论文探索 GPT-3.5 时代的多角色解题;论文研究则把逐步表达链作为 LLM 的思路建议。
前期参与常规神经网络数学应用题求解,包括训练、模型修改与数据集测试;在效果不理想后,转向探索通用大模型。
模型按子表达式逐步生成结构化推理链,再将生成结果作为 LLM 的解题思路建议,帮助大模型获得更明确、可检查的中间过程。
TASLP 已发表;本科毕业论文 91/100。