已过期65% 置信事实精确时间
Self-Consistency方法由Google Research在2023年提出，核心思想是通过调高温度参数让模型生成多个不同的推理路径和答案，然后选择出现频率最高的答案
3
来源数
65%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30(已过期)
来源
提示词工程八大核心模块：从基础原则到高级技术全面解析
bilibiliAI-大模型应用开发2026/6/3
相关事实
已验证Self-Consistency（自一致性）策略由Google Research在2022年论文《Self-Consistency Improves Chain of Thought Reasoning in Language Models》中正式提出74% 相似已验证2022年Google Brain的Jason Wei等人发表的思维链（Chain-of-Thought）提示论文首次系统证明加入逐步推理示例能使PaLM等大模型在数学推理任务上准确率大幅提升68% 相似待验证当模型参数量超过某一阈值，其处理复杂推理任务的能力会出现非线性跃升，这一涌现现象被Google Brain等机构的研究系统记录67% 相似待验证大模型的涌现能力指模型参数规模突破某一阈值后算术推理等能力突然出现，由谷歌2022年的论文系统记录66% 相似待验证ReAct框架由谷歌研究院Yao等人于2022年提出，发表于ICLR会议，实验证明其在多跳问答和交互式决策任务上显著优于纯推理或纯行动模式66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/52662API
curl https://kongchang.com/api/v1/knowledge/claims/52662MCP
get_claim(id=52662)