Loading...
🔢
由少至多提示法(LtM)
将问题从简单成分到复杂成分逐步分解
复杂度: medium推理技术
In 30 seconds
- What
- 先求解更简单的版本，再逐步加入约束或复杂度，从而解决复杂问题并抵达完整解。
- When to use
- 每一步都建立在前一步结果之上、且简单情形能揭示可用于更难情形之模式的多步问题。
- Watch out
- 简单情形中的早期错误会在后续所有步骤中不断放大，即使后面的推理都正确，最终答案依然是错的。
Loading technique guide…
将问题从简单成分到复杂成分逐步分解
Loading technique guide…
模式： 将复杂任务拆分为更简单的子问题并按顺序求解的分解策略
原因： 通过从简单到复杂逐步构建解法，使复杂问题变得可解
关键洞察： 分解复杂问题 → 先解最简单的 → 复用先前的解 → 逐步构建最终答案
通过这些精选资源加深理解
Least-to-Most Prompting Enables Complex Reasoning in Large Language Models (Zhou et al., 2022)
Chain-of-Thought Prompting Elicits Reasoning in Large Language Models (Wei et al., 2022)
Decomposed Prompting: A Modular Approach for Solving Complex Tasks (Khot et al., 2022)
Maieutic Prompting: Logically Consistent Reasoning (Jung et al., 2022)