來源：量子位元
圖靈獎得主姚期智領銜的首篇大語言模式論文來了
一出手，瞄準的就是「讓大模型像人一樣思考」這個方向——
不僅要讓大模型一步步推理，還要讓它們學會“步步為營”，記住推理中間的所有正確過程。
具體來說，這篇新論文提出了一種稱為上漲推理（Cumulative Reasoning）的新方法，顯著提高了大模型搞複雜推理的能力。
要知道，大模型是基於思考鍊等，可以進行問題推理，但面對「要拐好幾個彎」的問題，還是容易出錯。
上漲推理正是在此基礎上，加入了一個“驗證者”，及時判斷對錯。由此模型的思考框架也從鏈狀和樹狀，變成了更複雜的「有向無環圖」。
這樣一來，大模型不僅解題思路更清晰，還生出了一手「玩牌」的技巧：
在代數和幾何數論等數學難題上，大模型的相對準確率提升了42%；玩24點，成功率更是飆升到98%。
根據清華大學交叉資訊研究所介紹，共同一作張伊凡解釋了這篇論文的出發點：
卡尼曼認為人類的認知處理過程包括兩個系統：「系統1」是快速、本能和情感化的，「系統2」是緩慢、深思熟慮、合邏輯的。
目前，大語言模型的表現與「系統1」更為接近，這也或許是它不擅長應付複雜任務的原因。
從這個角度出發設計的上漲推理，效果比思考鏈（CoT）和思考樹（ToT）好。
那麼，這種新方法究竟長啥樣呢？我們一起展開看看。
突破思維鏈&樹“瓶頸”
上漲推理的核心，在於改進了大模型思考過程的「形狀」。
具體來說，這個方法用到了3個大語言模型：
提議者(Proposer)：不斷提出新命題，即基於當前思維上下文，建議下一步是什麼。驗證者(Verifier)：核查提議者的命題準確性，如果正確就將它加入思考脈絡。報告者(Reporter)：判斷是否已經能得到最終解決方案，來確定是否結束推理過程。
推理過程中，「提議者」先給提案，「驗證者」負責評估，「報告者」決定是否要敲定答案、終止思考過程。
△CR推理範例
有點像是團隊專案裡的三類角色：小組成員先腦力激盪出各種idea，指導老師「把關」看哪個idea可行，組長決策什麼時候完成專案。
所以，這種方法究竟是怎麼改變大模型思維「形狀」的？
要理解這一點，還得先從大模型思維加強方法「鼻祖」思維鏈（Chain of Thought,CoT）說起。
這個方法在2022年1月由OpenAI科學家Jason Wei等人提出，核心在於為資料中心化的輸入加上一段「逐步推理」文字，激發出大模型的思考能力。
△選自GSM8K資料集
基於思維鏈原理，Google也快速跟進了一個“思維鏈PLUS版”，即CoT-SC，主要是進行多次思維鏈過程，並對答案進行多數投票（majority vote）選出最佳答案，進一步提升推理準確率。
但無論思考鏈或CoT-SC，都忽略了一個問題：題目不只一種解法，人類做題目更是如此。
因此，隨後又出現了一種名叫思考樹（Tree of Thought,ToT）的新研究。
這是一種樹狀檢索方案，允許模型嘗試多種不同的推理思路，並自我評估、選擇下一步行動方案，必要時也可以回溯選擇。
從方法可以看出，思考樹比思維鏈更進一步，讓大模型思維「更活躍」了。
這也是為什麼玩24點時，思維鏈加成的GPT-4成功率只有4%，但思考樹成功率卻飆升到74%。
BUT無論思考鏈、CoT-SC或思考樹，都有一個共同的限制：
它們都沒有設定思維過程中間結果的儲存位置。
畢竟不是所有的思考過程都能做成鍊或樹，人類想東西的方式往往還要更複雜。
這次的上漲推理新框架，在設計上就突破了這一點——
大模型的整體思考過程不一定是鍊或樹，還可以是有向無環圖（DAG）（嗯，有神經突觸內味了）
△圖中的邊都有方向，且不存在任何循環路徑；每個有向邊都是推導步驟
這也意味著，它可以將所有歷史上正確的推理結果儲存於記憶體中，以便在目前搜尋分支中探索。 （相較之下，思維樹並不會儲存來自其它分支的資訊）
但上漲推理也能和思考鏈無縫切換──只要將「驗證者」去掉，就是一個標準的思維鏈模式。
基於這種方法設計的上漲推理，在各種方法上都取得了不錯的效果。
做數學和搞邏輯推理都在行
研究人員選擇了FOLIO wiki和AutoTNLI、24點遊戲、M新高資料集，來對上漲推理進行「測試」。
提議者、驗證者、報告者在每次實驗中使用相同的大語言模型，並用不同的prompt來設定角色。
這裡用來當實驗的有GPT-3.5-turbo、GPT-4、LLaMA-13B、LLaMA-65B這些基礎模型。
值得一提的是，理想情況下應該使用相關推導任務資料專門預訓練模型、「驗證者」也應加入正規的數學證明器、命題邏輯解算器模組等。
1.邏輯推理能力
FOLIO是一階邏輯推理資料集，問題的標籤可以是「true」、「False」、「Unknown」；AutoTNLI是高階邏輯推理資料集。
在FOLIO wiki資料集上，與直接輸出結果（Direct）、思考鏈（CoT）、進階版思考鏈（CoT-SC）方法相比，上漲推理（CR）表現總是最優。
在刪除資料中心化有問題的實例（例如答案不正確）後，使用CR方法的GPT-4推理準確率達到了98.04%，並且有最小1.96%的錯誤率。
再來看AutoTNLI資料集上的表現：
與CoT方法相比，CR顯著提高了LLaMA-13B、LLaMA-65B的性能。
在LLaMA-65B模型上，CR相較於CoT的改良達到了9.3%。
2.玩24點遊戲能力
ToT最初論文中用到的是24點遊戲，所以這裡研究者就用這個資料集來做CR和ToT的比較。
ToT使用固定寬度和深度的搜尋樹，CR允許大模型自主確定搜尋深度。
研究人員在實驗中發現，在24點的脈絡中，CR演算法和ToT演算法非常相似。不同點在於，CR中演算法每次迭代最多產生一個新的狀態，而ToT在每次迭代中會產生許多候選狀態，並過濾、保留一部分狀態。
通俗來講，ToT沒有上面提到的CR有的“驗證者”，不能判斷狀態（a、b、c）正誤，因此ToT比CR會探索更多無效狀態。
最終CR方法的正確率甚至能達到98%（ToT為74%），且平均造訪狀態數比ToT少很多。
也就是說CR不僅有更高的搜尋正確率，也有更高的搜尋效率。
3.數學能力
M新高資料集包含了大量數學推理題目，包含代數、幾何、數論等，題目難度分為五級。
用CR方法，模型可以將題目分步驟拆解成能較好完成的子問題，自問自答，直到產生答案。
實驗結果表明，CR在兩種不同的實驗設定下，正確率均超出當前已有方法，總體正確率可達58%，並在Level 5的難題中實現了42%的相對準確率提升，拿下了GPT-4模型下的新SOTA。
清華叉院姚期智、袁洋領銜研究
這篇論文來自清華交叉資訊院姚期智和袁洋領銜的AI for Math課程組。
論文共同第一作者為交叉資訊院2021級博士生張伊凡、楊景欽；
指導教師及共同通訊作者為袁洋助理教授、姚期智院士。
張伊凡
張伊凡2021年本科畢業於北京大學元培學院，現師從袁洋助理教授，主要研究方向為基礎模型（大語言模型）的理論與演算法、自我監督學習、可信人工智慧。
楊景欽
楊景欽2021年於清華大學交叉資訊研究院獲學士學位，現師自袁洋助理教授攻讀博士學位。主要研究方向有大語言模型、自監督學習、智慧醫療等。
袁洋
袁洋是清華大學交叉資訊學院助理教授。 2012年畢業於北京大學計算機系；2018年獲美國康乃爾大學計算機博士學位；2018-2019年前往麻省理工學院大數據科學學院做博士後。
他的主要研究方向是智慧醫療、AI基礎理論、應用範疇論等。
姚期智
姚期智是中國科學院院士、清華大學交叉資訊研究院院長；同時也是「圖靈獎」創立以來首位獲獎的亞裔學者、迄今獲此殊榮的唯一華人電腦科學家。
姚期智教授2004年從普林斯頓辭去終身教職回到清華任教；2005年為清華本科生創立了電腦科學實驗班「姚班」；2011年創立「清華量子資訊中心」與「交叉資訊研究所」；2019年再為清華本科生創立了人工智慧學堂班，簡稱「智班」。
如今，他所領導的清華大學交叉資訊研究院早已聲名遠播，姚班、智班都隸屬於交叉資訊院。
姚期智教授研究方向有演算法、密碼學、量子計算等，是這方面的國際先驅與權威。最近，他現身2023世界人工智慧大會，所領導的上海期智研究院目前正在研究「具身通用人工智慧」。
論文連結：https://arxiv.org/abs/2308.04371
資訊來源：由0x資訊編譯自8BTC。版權所有，未經許可，不得轉載