IXThinker·2025-03-05 15:30

北航提出內置思維鏈方法 增強多輪會話能力

用戶早已習慣把ChatGPT等大模型當作聊天對象，但多輪會話仍有不少痛點：部分指令無法在一輪內完成，需要模型與用戶反覆互動。北京航空航天大學團隊提出基於「內置思維鏈」的思考方法，針對這類問題給出新方向。

方法設計

方法分兩個階段：首先按照特定思考模式收集訓練數據集，對大語言模型進行有監督微調；其後訓練一個一致性獎勵模型，將其用作獎勵函數，再以強化學習對模型作進一步微調。