声明:本文来自于【新智元导读】

让模型用代码自我验证解决方案，结合多数投票集成机制，推理准确率可以提升近30%!

虽然大型语言模型（LLMs）在常识理解、代码生成等任务中都取得了非常大的进展，不过在数学推理任务上仍然存在很大改进空间，经常会生成无意义、不准确的内容，或是无法处理过于复杂的计算。

最近推出的一些语言模型，如GPT-4， PaLM-2都在数学推理上取得了重大进步，特别是OpenAI的最新版模型GPT-4Code Interpreter，在较困难的数学推理数据集上也展现出了很高的性能。

为了探索「代码生成任务」对「语言模型推理能力」的影响，来自香港中文大学、南京大学、中国科学技术大学、清华大学、香港城市大学、长沙理工大学和塔夫茨大学的研究人员联合发布了一篇论文，通过在代码使用频率（Code Usage Frequency）上引入不同的约束限制进行实验验证。