DOP: Diagnostisch orientierte Aufforderung für große Sprachmodelle in der mathematischen Korrektur

Die Korrektur von mathematischen Weltproblemen (MWPC) ist eine neuartige Aufgabe, die sich der Behebung von Denkfehlern bei der Lösung mathematischer Probleme widmet. In diesem Papier nutzen wir die Fortschritte in großen Sprachmodellen (LLMs) und adressieren zwei zentrale Ziele: (1) Unterscheidung zwischen mathematischem Denken und Fehlerkorrektur; (2) Erforschung von Strategien zur Verbesserung der Fehlerkorrekturfähigkeiten von LLMs in der Mathematik zur Lösung der MWPC-Aufgabe. Wir haben festgestellt, dass es in der realen Bildungsumgebung wichtiger ist, den Schülern zu helfen, ihre Fehler zu erkennen, als einfach nur korrekte Antworten zu geben. Aktuelle Forschungen tendieren jedoch dazu, die Erzielung genauer Lösungen für mathematische Probleme zu priorisieren, anstatt potenziell falsche zu korrigieren. Daher ändern wir das Forschungsparadigma und zeigen, dass die Verbesserung mathematischer Denkfähigkeiten nicht mit der Beherrschung der Fehlerkorrektur gleichzusetzen ist. Gleichzeitig schlagen wir eine neuartige Methode vor, die als diagnositorientiertes Prompting (DOP) bezeichnet wird, um LLMs zu helfen, in der Fehlerkorrektur hervorragende Leistungen zu erbringen. In Experimenten hat DOP herausragende Ergebnisse gezeigt und hebt ihren signifikanten Einfluss hervor. Wir argumentieren, dass in der mathematischen Bildung die Nachfrage nach hervorragenden Korrektoren die nach fähigen Denkern übersteigt. Codes und Daten sind verfügbar unter https://github.com/ChenhaoEcnuCS/Reason-Correct.