研究：改写题目对LLM解题的收益取决于选择策略

Wentao Zhang 等研究者发布论文（arXiv:2611.14997），系统研究改写题目表述何时能提升大语言模型的解题能力。他们在 8 个数学、逻辑与代码基准上测试分解、类型化改写和概念精简三种方式，覆盖 8 个模型。 结果显示改写收益高度依赖选择策略：事后为每个问题挑选最优改写的 oracle 平均提升 27.6%，但没有任何一种改写对所有问题有效，错误改写反而有害。从一类问题学到的固定规则在其选择改写的问题上提升 11.0%，而盲目改写在相近比例的问题上损失 5.6%。

AI 根据报道生成 · 38 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。