> For the complete documentation index, see [llms.txt](https://blog.kaisuping.cn/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://blog.kaisuping.cn/paper-reading/others/cumulative-reasoning-with-language-model.md).

# Cumulative Reasoning With Language Model

这是一篇 2023 年发表在 arXiv 上的[论文](https://arxiv.org/abs/2308.04371)，领衔作者为**姚期智**。该论文提出了一种 LLM 解决复杂问题的方法——模仿人类思考过程，将复杂问题递归解决。文中该将方法命名为 Cumulative Reasoning(CR)。

该论文指出现存 LLM 的问题在于忽略了对人体第二认知系统的模仿，导致推理效果不佳。同时指出 CR 相较于现有 CoT / ToT 方法的优势在于其数据结构类型为 DAG，具有更高的自由度，面对复杂问题具有更强的可扩展性。

CR 主要部署了 proposer、verifier 和 reporter 三个 LLM，通过三个 LLM 的协同合作，实现对复杂问题的解决。

<figure><img src="/files/lp0yRZjmjDkQBEfFHLFL" alt=""><figcaption><p>流程图</p></figcaption></figure>

<figure><img src="/files/CeUspNp11sEnRJQpOVa5" alt=""><figcaption><p>部分实验效果</p></figcaption></figure>

ps：顶级论文确实不一样，观点鲜明，论述言简意赅，实验效果显著（开始实验效果不好，直接找数据集的问题，确实硬核🤣），这是笔者目前为止阅读体验最佳的论文。
