今天分享的是：大模型应用：（六）大模型认知框架

报告共计：36页

大模型如何像人一样思考？认知框架全解析

在人工智能领域，大模型的发展一直是焦点。如今，大模型不仅能回答问题、生成文本，还在朝着更接近人类认知的方向迈进。下面就为大家梳理大模型认知框架的核心内容，看看这些“数字大脑”是如何模拟人类思维的。

情景学习：给模型“举例子”的智慧

想象一下，当你教别人做一件事时，最好的方法可能是给几个例子。大模型的情景学习（in-context learning）就是这个道理。它通过提供已知的上下文信息和样本示例，引导模型生成符合需求的内容。比如在情感分类任务中，给模型展示“这是一首悠扬的歌曲”属于正面，“今天的比赛比较无聊”属于负面等示例，模型就能更好地理解任务，对新文本进行分类。

这种学习方式有个重要分支叫少样本（few-shot）提示，当已知条件包含多个解答示例时，模型能在更广泛的上下文中学习，提升生成内容的质量和相关性。情景学习的框架包含三个核心部分：示例仓库，就像一本丰富的食谱书，存储着高质量示例；示例选择，从仓库中挑出最适合当前任务的示例，要确保示例有代表性、清晰简洁、多样且相关；反馈优化，评估模型表现并调整示例库。

以客服场景为例，没有情景提示时，模型回复机械生硬，而提供包含示例的提示词后，模型能像真正的客服一样，用亲切、清晰的语言回复用户关于耳机故障的问题。

思维链：像人类一样拆解问题

面对复杂问题，人类通常会把它拆分成小步骤逐步解决，大模型的思维链（Chain of Thought）正是模仿这一过程。它将复杂问题分解为子问题，通过逐步推理得出答案，还能展示推理过程，增强理解。

在算术推理中，对于“约翰有5个苹果，玛丽的苹果数量是约翰的3倍，玛丽有多少个苹果”的问题，思维链推理会清晰写出“5个苹果×3=15个苹果”的中间步骤，比直接给出答案更可靠。在常识推理方面，当遇到“对狗过敏的人被邀请去有狗的朋友家该怎么办”的问题，思维链能引导模型逻辑清晰地给出拒绝邀请或建议其他见面地点等解决方案。

思维链还有拓展方法，如思维树，将思维过程视为树状结构，每个节点代表一个思维步骤，模型能在生成解决方案时进行自我评估和调整；思维图则构建动态思想网络，支持回溯、合并与重组，聚合多路径信息生成更精准答案。

自我一致性：多角度验证确保准确

人类在解决复杂问题时，常从不同角度验证答案，大模型的自我一致性（In-context Learning）框架就模仿了这一过程。它通过链式思维引导、多样化路径生成和一致性答案提取三个模块，实现多角度结果验证。

以数学问题为例，模型可能生成多条推理路径，有的计算“她每天用3+4=7个蛋，卖7×2=14元”，有的计算“她有16-3-4=9个蛋剩下，卖9×2=18元”等，通过比较这些路径，发现多数得出18元的结果，就选择这个更一致的答案，有效降低推理错误可能性。

自我一致性策略不仅适用于数学，在自然语言处理、编程、科学推理等领域都有广泛应用，能确保回答准确性，提升用户信任度。

计划与执行：任务管理的“人类模式”

人类具备将复杂任务分解和规划的能力，大模型的计划与执行（Plan - And - Solve）框架模仿了这一模式。它通过系统化的任务分解和执行策略，赋予模型任务管理能力。但该框架中任务规划和执行严格分开，若规划阶段出错，执行时难以动态调整，这是其不足之处。

ReAct框架：边思考边行动的动态交互

与计划与执行框架不同，ReAct框架打破了推理与行动的界限，模拟人类边思考边行动的过程。它允许系统在推理过程中与环境动态交互，更灵活高效地完成任务。

ReAct框架的设计包括推理、行动、反馈与更新、循环迭代四个环节。以探索Apple Remote的案例为例，模型先推理需要搜索相关信息，然后执行搜索行动，根据观察到的搜索结果再推理下一步行动，如此循环，直到完成任务。在MetaGPT等多智能体协作框架中，ReAct框架也有应用，智能体可根据任务进展和外部反馈动态调整策略。

反思：从失败中学习的“成长机制”

人类会从失败中反思总结，大模型的反思（Reflexion）框架让模型具备了类似能力。它通过语言化的自我反思提升模型能力，像人类写日记或复盘一样。

反思框架由行动者、评估者、自我反思、记忆系统四个模块组成。在家庭环境多步骤决策任务中，模型一开始可能失败，如使用台灯检查杯子未成功，通过评估者评分，自我反思模块分析失败原因，生成改进建议并存储在记忆系统中，经过多次循环尝试，最终成功完成任务。在问答搜索推理中，模型也能通过反思错误答案，意识到需要提供更多背景信息，从而改进回答。

大模型认知框架的不断发展，让人工智能在模拟人类思维的道路上越走越远。从情景学习的“举例教学”到思维链的“分步推理”，从自我一致性的“多角度验证”到ReAct框架的“动态交互”，再到反思框架的“从失败中成长”，这些框架共同推动着大模型向更智能、更接近人类认知的方向演进，未来也将在更多领域为人类带来便利和创新。

以下为报告节选内容

报告共计： 36页

中小未来圈，你需要的资料，我这里都有！