Büyük dil modelleri karmaşık problemleri çözerken genellikle self-consistency (kendisiyle tutarlılık) tekniğini kullanır. Bu yöntem, aynı soruya birden fazla yanıt üretip bunları karşılaştırarak en doğru cevabı bulmaya çalışır. Ancak bu süreç, çok sayıda deneme gerektirdiği için oldukça pahalı ve yavaştır.
Araştırmacılar bu soruna yenilikçi bir çözüm buldu. Chain-of-Thought (CoT) ve Program-of-Thought (PoT) adlı iki farklı akıl yürütme modelini birleştiren hibrit bir sistem geliştirdiler. CoT, adım adım mantıklı düşünme sürecini taklit ederken, PoT daha programatik ve yapılandırılmış bir yaklaşım benimsiyor.
Bu iki yöntemin güçlü yanlarını birleştiren sistem, hem tam örnekleme hem de erken durdurma stratejileri için özel teknikler içeriyor. Sonuçlar oldukça etkileyici: sistem sadece genel doğruluk oranını artırmakla kalmıyor, aynı zamanda gereken örnek sayısını 9,3 kat azaltıyor.
En dikkat çekici bulgu, test edilen görevlerin %78,6'sının sadece iki örnekle başarıyla çözülebiliyor olması. Bu başarı oranı, daha önceki self-consistency yöntemleriyle hiç mümkün olmamıştı. Bu gelişme, yapay zeka sistemlerinin daha az kaynak kullanarak daha etkili sonuçlar üretmesinin önünü açıyor.