Rohan Paul

马克斯·普朗克的新论文发现，开启推理可以让不同的法学硕士达成更多共识，即使在错误上也是如此，而长痕迹则标志着他们分歧的地方。 当多个法学硕士对同一个人进行判断时，一种模型的错误答案可以通过切换到另一种模型来修复。只有当模型不都犯同样的错误时，这才有效。 作者在根据美国人口普查调查构建的 3 个预测任务上测试了 9 个 Qwen 和 GPT 模型，并进行断断续续的推理。他们测量的一致性超出了每个模型单独预测的准确性。 随着推理的进行，模型的一致性更高，所有 9 个模型都出错的人数比例上升了 2.0 至 2.4 个百分点。对于画最长痕迹的人来说，调整后的一致性下降到大约 0.31 到 0.39。 对于有关人员的决策，请检查是否有人从您的模型集中得到了正确的答案，因为更多的一致也可能意味着更多的共同错误。