使用大型语言模型进行知识增强的复杂问题解决：综述

问题解决一直是人类在众多领域进步的根本驱动力。随着人工智能的发展，大型语言模型（LLMs）已成为强大的工具，能够解决跨越不同领域的复杂问题。与传统的计算系统不同，LLMs结合了原始计算能力和对人类推理的近似，使其能够生成解决方案、进行推断，甚至利用外部计算工具。然而，将LLMs应用于现实世界的问题解决带来了重大挑战，包括多步骤推理、领域知识整合和结果验证。本调查探讨了LLMs在复杂问题解决中的能力和局限性，考察了包括思维链（CoT）推理、知识增强以及各种基于LLM和基于工具的验证技术。此外，我们强调了在各种领域（如软件工程、数学推理和证明、数据分析和建模以及科学研究）中特定领域存在的挑战。本文还从多步骤推理、领域知识整合和结果验证的角度，进一步讨论了当前LLM解决方案的基本局限性以及基于LLM的复杂问题解决的未来方向。