Die Verbesserung der Schlussfolgerungsfähigkeit von großen Sprachmodellen (LLMs) ist ein zentrales Anliegen der aktuellen Forschung. Bisherige Ansätze, die auf Prompting-Strategien basieren, wie schrittweises Denken, Reflexion vor der Antwort oder die Einbindung von Programmen, wurden oft statisch und einheitlich auf alle Fragen angewendet. Diese Methoden berücksichtigen weder die Eigenheiten der jeweiligen Frage noch die spezifischen Fähigkeiten des LLMs, der die Aufgabe lösen soll.
Eine neue Forschungsarbeit stellt nun DOTS vor, einen Ansatz, der es LLMs ermöglicht, dynamisch und optimal auf die jeweilige Frage zugeschnittene Schlussfolgerungspfade zu finden. DOTS berücksichtigt dabei sowohl die Eigenschaften der Frage als auch die Fähigkeiten des LLMs.
Der Ansatz besteht aus drei Schritten:
- Zuerst werden atomare Schlussfolgerungsaktionen definiert, die zu verschiedenen Schlussfolgerungspfaden zusammengesetzt werden können. - Anschließend wird für jede Trainingsfrage durch iteratives Erkunden und Bewerten der optimale Pfad für den spezifischen LLM ermittelt. - Schließlich werden die gesammelten optimalen Pfade verwendet, um einen LLM zu trainieren, der Schlussfolgerungspfade für unbekannte Fragen planen kann.DOTS bietet zwei verschiedene Lernparadigmen: Im ersten wird ein externes LLM als Planer feinabgestimmt, um das aufgabenlösende LLM zu steuern. Im zweiten wird das aufgabenlösende LLM direkt feinabgestimmt, um die Fähigkeit zur Planung von Schlussfolgerungsaktionen zu internalisieren.
Um die Effektivität des DOTS-Ansatzes zu untersuchen, wurden umfangreiche Experimente mit verschiedenen LLMs (GPT-4o-mini, Llama3-70B-Instruct und Llama3-8B-instruct) und acht verschiedenen Schlussfolgerungsaufgaben durchgeführt. Die Ergebnisse zeigen, dass DOTS in verschiedenen Szenarien, einschließlich In-Distribution, Few-Shot und Out-of-Distribution, bisherige statische Prompting-Techniken und Vanilla-Instruction-Tuning-Methoden konsistent übertrifft.
Eine Ablationsstudie bestätigte die Bedeutung der einzelnen Komponenten von DOTS. Die Analyse der Verteilung der Schlussfolgerungsaktionen zeigte, dass die Methode in der Lage ist, sich an die spezifischen Eigenschaften der Fragen und die Fähigkeiten des LLMs anzupassen.
Besonders hervorzuheben ist, dass DOTS keine signifikanten zusätzlichen Kosten verursacht. Darüber hinaus konnte gezeigt werden, dass LLMs durch den Explorationsprozess lernen, komplexeren Problemen mehr Rechenressourcen zuzuweisen, ohne dass dies explizit vorgegeben werden muss.
DOTS stellt einen vielversprechenden Ansatz dar, um die Schlussfolgerungsfähigkeit von LLMs durch dynamische und adaptive Strategien zu verbessern. Die Fähigkeit, Schlussfolgerungspfade an die jeweilige Frage und die Fähigkeiten des LLMs anzupassen, ermöglicht es, das volle Potenzial von LLMs für komplexes Reasoning auszuschöpfen. Zukünftige Forschung könnte sich darauf konzentrieren, DOTS auf noch komplexere Aufgaben anzuwenden und die Effizienz des Explorationsprozesses weiter zu verbessern.
Entdecken Sie die Vorteile gegenüber ChatGPT Plus
Sie nutzen bereits ChatGPT Plus? Das ist ein guter Anfang! Aber stellen Sie sich vor, Sie hätten Zugang zu allen führenden KI-Modellen weltweit, könnten mit Ihren eigenen Dokumenten arbeiten und nahtlos im Team kollaborieren.
Die professionelle KI-Plattform für Unternehmen – leistungsstärker, flexibler und sicherer als ChatGPT Plus. Mit über 50 Modellen, DSGVO-konformer Infrastruktur und tiefgreifender Integration in Unternehmensprozesse.
❌ Kein strukturierter Dokumentenvergleich
❌ Keine Bearbeitung im Dokumentkontext
❌ Keine Integration von Unternehmenswissen
✅ Gezielter Dokumentenvergleich mit Custom-Prompts
✅ Kontextbewusste Textbearbeitung im Editor
✅ Wissensbasierte Analyse & Zusammenfassungen
Erstellen Sie leistungsstarke Wissensdatenbanken aus Ihren Unternehmensdokumenten.Mindverse Studio verknüpft diese direkt mit der KI – für präzise, kontextbezogene Antworten auf Basis Ihres spezifischen Know-hows.DSGVO-konform, transparent und jederzeit nachvollziehbar.
❌ Nur ein Modellanbieter (OpenAI)
❌ Keine Modellauswahl pro Use Case
❌ Keine zentrale Modellsteuerung für Teams
✅ Zugriff auf über 50 verschiedene KI-Modelle
✅ Modellauswahl pro Prompt oder Assistent
✅ Zentrale Steuerung auf Organisationsebene
❌ Keine echte Teamkollaboration
❌ Keine Rechte- oder Rollenverteilung
❌ Keine zentrale Steuerung oder Nachvollziehbarkeit
✅ Teamübergreifende Bearbeitung in Echtzeit
✅ Granulare Rechte- und Freigabeverwaltung
✅ Zentrale Steuerung & Transparenz auf Organisationsebene
Nutzen Sie Mindverse Studio als zentrale Plattform für abteilungsübergreifende Zusammenarbeit.Teilen Sie Wissen, erstellen Sie gemeinsame Workflows und integrieren Sie KI nahtlos in Ihre täglichen Prozesse – sicher, skalierbar und effizient.Mit granularen Rechten, transparenter Nachvollziehbarkeit und Echtzeit-Kollaboration.
Sehen Sie Mindverse Studio in Aktion. Buchen Sie eine persönliche 30-minütige Demo.
🎯 Kostenlose Demo buchenLernen Sie in nur 30 Minuten kennen, wie Ihr Team mit KI mehr erreichen kann – live und persönlich.
🚀 Demo jetzt buchen