ReHoPER：通过后退时域规划增强大语言模型推理能力

研究人员提出 ReHoPER，这是一种仅推理阶段的零样本方法，通过在最终答案前沿多路径迭代规划、选择并解答中间问题来提升大语言模型的推理能力。该方法与任务无关，无需标注数据或特定任务提示词设计，可在多模型间通用。在包括组合推理新基准 iLLC 在内的多项数据集测试中，ReHoPER 均优于强基线，相关实现已公开。