在GSM8K上实现>97%的性能：深入理解问题使LLMs成为数学应用题更优的求解器

思维链（Chain-of-Thought, CoT）提示方法在提升大语言模型（Large Language Models, LLMs）在各类推理任务中的表现方面取得了显著成效。然而，面对复杂的数学应用题，CoT方法仍存在明显不足，主要表现为三大缺陷：语义理解错误、计算错误以及步骤遗漏错误。以往研究多聚焦于缓解计算错误与步骤遗漏问题，却忽视了语义理解错误这一关键瓶颈，而后者正是制约LLMs推理能力的核心因素。为此，本文提出一种简单但高效的新方法——深度理解问题（Deeply Understanding the Problems, DUP），旨在通过解决语义理解错误，显著提升LLMs的数学问题求解能力。该方法的核心思想是引导LLMs深入理解题目含义，精准提取用于推理的关键信息，从而实现更准确的逻辑推导。在10个多样化的推理基准测试上的大量实验表明，DUP方法在各项任务中均显著优于现有方法，性能提升显著。更令人振奋的是，在GSM8K基准测试中，DUP在零样本（zero-shot）设置下实现了97.1%的准确率，创下新的最先进（SOTA）水平。