深思熟虑提高LLM预测准确性

本文研究了一种通过实施深思熟虑过程来提高基于LLM的预测准确性的实用方法，类似于人类预测者改进预测的方式。该研究侧重于现实世界的预测问题，并比较了不同的LLM配置（多样化 vs. 同质化，共享 vs. 分布式信息），这为深思熟虑的有效性提供了宝贵的见解。研究发现，在具有共享信息的多样化模型组中，深思熟虑可以提高准确性，这具有重要意义，并表明了一种在实际应用中增强LLM性能的潜在策略。关于上下文信息的负面发现也很重要，因为它们突出了当前LLM能力的局限性，并为未来的研究指明了方向。

• •具有共享信息的多样化LLM之间的深思熟虑提高了预测准确性。
• •同质LLM组没有从深思熟虑中受益。
• •提供额外的上下文信息并没有提高预测准确性。