CMU LLM Inference (7): Chain of Thought and Intermediate Steps

摘要

由 Graham Neubig 講授，介紹大型語言模型推理中的思維鏈與中間步驟機制，解釋其運作原理與自一致性變體。觀眾可了解為何這些技術能提升模型推理能力。

This lecture explains chain of thought and intermediate steps in LLM inference, covering why they work and self-consistency variants.

這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。

適合誰看

適合正在學習自然語言處理或大型語言模型原理的學生與研究者。

摘要依據

講者

Graham Neubig

依據

標題與說明欄（還沒有取得字幕或內文）

為什麼排在這裡

人氣

0.12

新鮮

0.26

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• CMU LLM Inference (9): Reasoning Models影片 ・ Graham Neubig
• CMU LLM Inference (11): Agents and Multi-Agent Communication影片 ・ Graham Neubig
• Categories of Inference-Time Scaling for Improved LLM Reasoning文章 ・ Sebastian Raschka（部落格）
• Build A Reasoning Model From Scratch 4: Inference Scaling 1 (Temperature, Top-p, Self-Consistency)影片 ・ Sebastian Raschka ・ 1 小時 37 分
• 【生成式AI時代下的機器學習(2025)】第八講：大型語言模型的推理過程不用太長、夠用就好影片 ・ Hung-yi Lee ・ 24 分鐘
• Why We Think文章 ・ Lilian Weng（部落格）