论文
LCoT-GV：用于验证 大语言模型 中长推理链的图注意力网络
LCoT-GV: Graph Attention Networks for Verifying Long Reasoning Chains in Large Language Models
摘要
大型推理模型会产生长思维链（LCoT），其中涉及在得出结论之前将问题分解为更小的推理步骤。然而，这些步骤常常包含矛盾、不受支持的推论或不相关的步骤，即使最终答案是正确的。我们提出了长思想链图验证器（LCoT-GV），这是一种基于图的框架，将 LCoT 表示为推理图。图中的每个节点代表一个推理步骤，边编码语义和逻辑关系。然后训练图注意力网络来根据推理图预测思维链的正确性。我们从多个推理基准构建了一个新的面向图的验证数据集，用于各个领域的问题回答。结果表明，我们的方法与最相似的方法相比具有竞争力。