Reliable Reasoning with Large Language Models via Preference-Based Maximum Satisfiability
यह शोध पत्र एक हाइब्रिड रीजनिंग फ्रेमवर्क का प्रस्ताव करता है जहाँ लार्ज लैंग्वेज मॉडल्स (LLMs) प्राथमिकता-आधारित रीजनिंग कार्यों को MaxSAT समस्याओं के रूप में एनकोड करने के लिए पायथन कोड जनरेट करते हैं, जिन्हें फिर डायरेक्ट-आंसर या चेन-ऑफ-थॉट बेसलाइन्स की तुलना में काफी उच्च व्यवहार्यता और शुद्धता दर प्राप्त करने के लिए सटीक सॉल्वर्स द्वारा हल और सत्यापित किया जाता है।