Revisiting Chain-of-Thought Prompting: Zero-shot Can Be Stronger than Few-shot

要約

コンテキスト内学習（ICL）は、大規模な言語モデル（LLM）の重要な緊急能力であり、最近の研究では、特に数学のタスクにおいて、推論能力を強化するためにICLの模範（COT）を導入しています。
ただし、モデル機能の継続的な進歩を考えると、COTの模範が依然としてそのようなタスクで最近のより強力なモデルに利益をもたらすかどうかは不明のままです。
系統的な実験を通じて、QWEN2.5シリーズなどの最近の強力なモデルでは、従来のCOTの模範を追加しても、ゼロショットCOTと比較して推論パフォーマンスが向上しないことがわかります。
代わりに、それらの主な機能は、出力形式を人間の期待に合わせることです。
さらに、\ texttt {qwen2.5-max}や\ texttt {deepseek-r1}などの高度なモデルからの回答を使用して構築された、強化されたCOT模範の有効性を調査します。
実験結果は、これらの強化された模範がモデルの推論パフォーマンスを改善できないことを示しています。
さらなる分析により、モデルは模範を無視し、主に指示に焦点を合わせる傾向があり、推論能力に観察可能な利益が生じないことが明らかになりました。
全体として、私たちの調査結果は、数学的推論における現在のICL+COTフレームワークの制限を強調し、ICLパラダイムの再検討と模範の定義を求めています。

要約(オリジナル)

In-Context Learning (ICL) is an essential emergent ability of Large Language Models (LLMs), and recent studies introduce Chain-of-Thought (CoT) to exemplars of ICL to enhance the reasoning capability, especially in mathematics tasks. However, given the continuous advancement of model capabilities, it remains unclear whether CoT exemplars still benefit recent, stronger models in such tasks. Through systematic experiments, we find that for recent strong models such as the Qwen2.5 series, adding traditional CoT exemplars does not improve reasoning performance compared to Zero-Shot CoT. Instead, their primary function is to align the output format with human expectations. We further investigate the effectiveness of enhanced CoT exemplars, constructed using answers from advanced models such as \texttt{Qwen2.5-Max} and \texttt{DeepSeek-R1}. Experimental results indicate that these enhanced exemplars still fail to improve the model’s reasoning performance. Further analysis reveals that models tend to ignore the exemplars and focus primarily on the instructions, leading to no observable gain in reasoning ability. Overall, our findings highlight the limitations of the current ICL+CoT framework in mathematical reasoning, calling for a re-examination of the ICL paradigm and the definition of exemplars.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google