Self-reflecting Large Language Models: A Hegelian Dialectical Approach

要約

哲学的なレンズを介してNLPを調査することは、最近、計算方法を古典的な哲学学校と結びつけるため、研究者の目を捕らえました。
このペーパーでは、LLMSの自己反省のためのヘーゲルの弁証法に触発された哲学的アプローチを紹介します。自己指導的アプローチを利用して内部批評をエミュレートし、矛盾するポイントを解決することで新しいアイデアを統合します。
さらに、このホワイトペーパーでは、初期段階の創造性を促進し、ニュアンスに焦点を当てることによって徐々にそれを改良する動的なアニーリングアプローチを確立することにより、LLMSの生成温度の影響を調査します。
提案されたアプローチは、最初の命題から新しいアイデアを生成する能力を判断するために検討されます。
さらに、マルチエージェント多数票（MAMV）戦略が活用され、生成されたアイデアの妥当性と斬新さを評価します。これは、ドメインの専門家がいない場合に有益であることが証明されています。
私たちの実験は、新しいアイデアを生み出し、将来の研究のための足がかりを提供することを約束しています。

要約(オリジナル)

Investigating NLP through a philosophical lens has recently caught researcher’s eyes as it connects computational methods with classical schools of philosophy. This paper introduces a philosophical approach inspired by the Hegelian Dialectic for LLMs’ self-reflection, utilizing a self-dialectical approach to emulate internal critiques and then synthesize new ideas by resolving the contradicting points. Moreover, this paper investigates the effect of LLMs’ temperature for generation by establishing a dynamic annealing approach, which promotes the creativity in the early stages and gradually refines it by focusing on the nuances, as well as a fixed temperature strategy for generation. Our proposed approach is examined to determine its ability to generate novel ideas from an initial proposition. Additionally, a Multi Agent Majority Voting (MAMV) strategy is leveraged to assess the validity and novelty of the generated ideas, which proves beneficial in the absence of domain experts. Our experiments show promise in generating new ideas and provide a stepping stone for future research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google