What does this research mean for the field?

Compressed symbolic reasoning can enhance the reasoning capabilities of large language models (LLMs) by allowing more reasoning steps within a fixed token budget. Novelty: ClaimNovelty.NOVEL_FINDING. Consensus alignment: ConsensusAlignment.CHALLENGES_CONSENSUS.

What question did this study set out to answer?

本研究旨在挑战对大语言模型（LLMs）中自然语言的依赖，并提出更高效的替代方案。

February 27, 20260 citationsOpen Access

自然语言是机器思维的合适媒介吗？对大语言模型中压缩符号推理的论证

View Full Paper

ACAdrien CrosAvalon Pharma (United States)AAvaClinique Claude-Bernard

Key Points

本研究旨在挑战对大语言模型（LLMs）中自然语言的依赖，并提出更高效的替代方案。
分析了自然语言作为推理媒介的效率。
引入.ava符号表示法作为压缩符号推理的方法。
比较了.ava符号表示法与自然语言的压缩率。
.ava符号表示法相较于自然语言实现了2.65倍的压缩。
提议的压缩使得在固定的标记预算中能够进行显著更多的推理步骤。

Abstract

大语言模型（LLMs）完全依赖自然语言进行推理——这一常规很少受到质疑。我们认为这构成了一个根本性瓶颈：自然语言是结构化思维的低效媒介。数学家不会写“从1到n所有整数的和”——他们写的是Σi。我们展示了.ava符号表示法实现了2.65倍的压缩，并假设压缩思维中的媒介可以在固定的标记预算内实现相应更多的推理步骤。同样可用法语：自然语言是机器思维的合适媒介吗？

问 AI

Bookmark

View Full Paper

问 AI

Bookmark

View Full Paper

自然语言是机器思维的合适媒介吗？对大语言模型中压缩符号推理的论证

Key Points

Abstract

Cite This Study

Also Consider

Also Consider