[论文笔记] Chain-of-Thought Reasoning without Prompting

分析：

        在CoT解码路径中，我们可以看到模型在第三个位置（𝑖? = 3）开始展示推理过程，并且给出了正确的答案“8”。模型首先识别出说话者有3个苹果，然后识别出爸爸比说话者多2个，即5个苹果，最后将这两个数量相加得到总数8个苹果。

        这个例子表明，通过探索替代的解码路径，我们可以从预训练的LLMs中提取出有用的推理链，即使没有明确的提示或问题构造。这种方法不仅可以提高模型在复杂推理任务上的表现，还可以增加我们对模型内在推理能力的理解。

当然，以下是一个使用CoT（Chain-of-Thought）解码方式的例子，它展示了如何从预训练的大型语言模型（LLMs）中激发推理路径。

问题：

I have 3 apples, my dad has 2 more apples than me, how many apples do we have in total?

使用贪婪解码的方式：

贪婪解码通常会直接给出错误的答案&#x