Self-Polish: Enhance Reasoning in Large Language Models via Problem Refinement
文章链接
核心思想是通过instruction让LLM来优化问题本身，从而达到更好的效果，且这种针对问题的优化可以跟其他的prompt技术，如CoT或者Least-to-Most相结合。
作者提出了一些重述问题的准则：
（1）简短：问题不要太长，确保容易理解
（2）清晰：问题表述清晰，能量化的部分就量化
（3）聚焦：想问的问题应该突出
（4）清除无关信息
作者说因为不好构建数据库，所以训练一个模型来搞这件事很麻烦，他们转而寻求不用训练的办法。
在zero-shot的setting下，方法很简单，通过给LLM instruction让LLM按照之前说的准则修改问题表述。而在few-shot的setting下，作者会展示一些样例给LLM，让LLM参照样例去移除无关信息、重排条件、整合相关条件等，如下
注意到右侧还有个An，按照作者的说法这是问题的答案，然而这个答案似乎不太对，显然左边的数学题答案应该是1220+510=290，不知道作者是粗心大意了还是LLM真的做错了😂总而言之，这个过程表达的意思是改进和做题交替进行，如果连续两次得到的答案相同，说明答案收敛，以此作为输出，作者称其为progressive problem-refining。
上述重写问题的效果则如下图所示，
可以看到在davinci-003的情况下表现均有所提升，且基本上progressive>few-shot>zero-shot，说明refinement是有效果的。以及下面是在不同LLM上的效果。
之后，作者还展示了该方法和其他prompt方法结合，比如CoT和Least-to-Most，均有提升。
最后，作者针对progressive中的两个变量：迭代次数和最终答案选取做了消融实验。结果表明迭代次数越多，性能提升越大。同时在迭代次数少的时候采信最后一次迭代的答案正确率高，而次数多了以后投票的正确率高。
