二維碼
企資網(wǎng)

掃一掃關(guān)注

當(dāng)前位置: 首頁 » 企業(yè)資訊 » 熱點 » 正文

禁止大型語言模型胡編亂造_給點外部知識_推理靠

放大字體  縮小字體 發(fā)布日期:2023-02-19 19:02:32    瀏覽次數(shù):170
導(dǎo)讀

選自arXiv作者:Hangfeng He等機(jī)器之心編譯編輯:王楷該研究提出的 RR(Rethinking with Retrieval)方法不需要額外的訓(xùn)練或微調(diào),也不受大型語言模型(LLM)輸入長度限制,在常識推理、時間推理和表格推理任務(wù)中顯

選自arXiv

作者:Hangfeng He等

機(jī)器之心編譯

編輯:王楷

該研究提出的 RR(Rethinking with Retrieval)方法不需要額外的訓(xùn)練或微調(diào),也不受大型語言模型(LLM)輸入長度限制,在常識推理、時間推理和表格推理任務(wù)中顯著提高了 LLM 性能。

大型語言模型 (LLM) 已通過 In-context Learning 在各種復(fù)雜任務(wù)上展現(xiàn)出卓越的性能,并且無需針對特定任務(wù)進(jìn)行訓(xùn)練或微調(diào),近期 prompt 和解碼方面取得的進(jìn)展也使 LLM 解決復(fù)雜推理任務(wù)變成了現(xiàn)實。

然而,LLM 可能會存儲過時、不全面或不正確的知識,要將 LLM 成功部署到實際應(yīng)用中,外部知識來源(例如維基百科)至關(guān)重要。此前,人們嘗試將知識用于較小的語言模型 (LM),例如 T5、BERT 和 RoBERTa,但這些方法通常需要額外的訓(xùn)練或微調(diào),成本高昂,對于 LLM 來說完全不切實際。

基于此,來自羅徹斯特大學(xué)、騰訊 AI Lab 和賓夕法尼亞大學(xué)的研究者聯(lián)合提出了一種稱為 Rethinking with Retrieval (RR) 的后處理方法,以在 LLM 中利用外部知識。

論文地址:https://arxiv.org/pdf/2301.00303v1.pdf

該研究的思路是首先使用思維鏈 (chain-of-thought,CoT) prompting 方法生成一組不同的推理路徑,類似于 Wang et al. (2022) 的方法。然后該研究使用這些路徑中的每個推理步驟來檢索相關(guān)的外部知識,讓 RR 方法可以提供更合理的解釋和更準(zhǔn)確的預(yù)測。

該研究使用 GPT-3 175B 和幾種常見的外部知識源(維基百科、維基數(shù)據(jù)、WordNet 和 Conceptnet)來評估 RR 方法在三個復(fù)雜推理任務(wù)上的有效性,包括常識推理、時序推理和表格推理。實驗結(jié)果表明,無需額外的訓(xùn)練或微調(diào),RR 在這三項任務(wù)上始終優(yōu)于其他方法,這表明 RR 方法在利用外部知識來提高 LLM 性能方面具有很大優(yōu)勢。

利用檢索進(jìn)行重新思考

實際上,盡管 LLM 已準(zhǔn)確捕捉了回答問題所需的要素,但這些模型有時還是會生成錯誤的結(jié)果。這種現(xiàn)象說明 LLM 存儲和檢索知識的方式存在一些問題,包括:

  • 預(yù)訓(xùn)練語料庫中存在過時、不正確或缺失的相關(guān)知識;
  • 預(yù)訓(xùn)練時對相關(guān)知識的存儲有誤;
  • 推理階段對相關(guān)知識的錯誤檢索。

    RR 方法的大致思路如下:給定一個輸入問題 Q,RR 方法先利用思維鏈(chain-of though)prompting 生成一組不同的推理路徑 R_1、R_2、……、R_N,其中每個推理路徑 R_i 由解釋 E_i 和跟在其后的預(yù)測 P_i 組成,然后再從合適的知識庫 KB 中檢索相關(guān)知識 K_1、……、K_M 來支持每個推理路徑中的解釋,并選擇最符合該知識的預(yù)測

    思維鏈(CoT)prompting。與標(biāo)準(zhǔn) prompting 明顯不同,CoT prompting 包括在 prompting 中進(jìn)行分步推理實例演示來生成一系列捕獲推理過程的短句。

    例如,給定輸入問題:「亞里士多德使用筆記本電腦嗎?」CoT prompting 旨在生成完整的推理路徑:

    CoT prompting 的推理過程為:「亞里士多德死于公元前 322 年。第一臺筆記本電腦于 1980 年發(fā)明。因此,亞里士多德沒有使用筆記本電腦。所以答案是 no?!苟呛唵蔚剌敵觥窷o」。

    對不同的推理路徑采樣。與 Wang et al. (2022) 相似,該研究對一組不同的推理路徑 R_1、R_2、……、R_N 進(jìn)行了采樣,而不是像 Wei et al. (2022) 那樣只考慮最優(yōu)比例路徑(greedy path)。對于「亞里士多德是否使用筆記本電腦?」這一問題,可能的推理路徑如下:

    (R_1) 亞里士多德死于 2000 年。第一臺筆記本電腦發(fā)明于 1980 年。因此,亞里士多德使用過筆記本電腦。所以該問題的答案為是。

    (R_2) 亞里士多德于公元前 322 年去世。第一臺筆記本電腦發(fā)明于 2000 年。因此,亞里士多德沒有使用過筆記本電腦。所以答案為否。

    知識檢索。不同的知識庫可以用來處理不同的任務(wù)。例如,為了解決「亞里士多德使用筆記本電腦了嗎?」這個問題,我們可以使用維基百科作為外部知識庫 KB。信息檢索技術(shù)可用于基于分解的推理步驟從維基百科中檢索相關(guān)知識 K_1、……K_M。理想情況下,針對此問題我們可以從維基百科中獲得以下兩段內(nèi)容:

    (K_1) 亞里士多德(公元前 384 至公元前 322 年)是古希臘古典時期的希臘哲學(xué)家和博學(xué)大師

    (K_2) 第一臺筆記本電腦 Epson HX-20 于 1980 年發(fā)明……

    忠實的推理。我們可以使用函數(shù) f_KB(R_i)來估算每個推理路徑 R_i 的置信度,該函數(shù)建立在從知識庫 KB 檢索的相關(guān)知識 K_1、……、K_M 基礎(chǔ)之上。最終的預(yù)測可以通過運用以下推斷過程來獲得:

    實驗評估

    本節(jié)中,該研究介紹了 RR 在三個復(fù)雜推理任務(wù)上的評估:常識推理、時序推理和表格推理。

    實驗設(shè)置。在所有實驗中,除非另有說明,該研究都使用 GPT-3 text-davinci-002。實驗完成期間生成的最大 token 數(shù)量被設(shè)置為 256,zero-shot、few-shot 以及 chain-of-thought prompting,溫度參數(shù)(temperature)固定設(shè)置為 0。

    結(jié)果。如表 1 所示,本文提出的方法 RR,在所有三個推理任務(wù)上始終優(yōu)于所有基準(zhǔn),而無需額外的訓(xùn)練或微調(diào)。這些結(jié)果凸顯出了 RR 在利用外部知識提高 LLM 表現(xiàn)方面的有效性。

    該研究在 StrategyQA 數(shù)據(jù)集上展示了帶有 CoT prompting 方法的關(guān)于 GPT-3 的分析。在仔細(xì)檢查 GPT-3 的輸出后,該研究觀察到 RR 可以為許多問題提供合理的解釋和正確的預(yù)測。例如,當(dāng)給出「佐治亞州的奧爾巴尼會在紐約州的奧爾巴尼之前先達(dá)到十萬名住戶嗎?」這個問題時,GPT-3 產(chǎn)生了以下輸出:

    總體來看對于問題的輸出答案質(zhì)量很高。然而,該研究也觀察到 GPT-3 可能偶爾會為其解釋提供不正確的事實支持,或為其預(yù)測做出不正確的推理,盡管它通常能夠識別出合適的觀點。

    錯誤的支持事實。如表 2 所示,GPT-3 為 Lil Jon 在 Billboard 榜單中排名最高的歌曲提供了錯誤的事實支持,指出排名最高的歌曲是 Get Low 而非正確答案 Yeah。另外,GPT-3 還做出了錯誤的推理,即富士山的山頂不會高于日本海,而不是正確答案會高于。

    更多技術(shù)細(xì)節(jié)請參閱原論文。

  •  
    (文/小編)
    免責(zé)聲明
    本文僅代表作發(fā)布者:個人觀點,本站未對其內(nèi)容進(jìn)行核實,請讀者僅做參考,如若文中涉及有違公德、觸犯法律的內(nèi)容,一經(jīng)發(fā)現(xiàn),立即刪除,需自行承擔(dān)相應(yīng)責(zé)任。涉及到版權(quán)或其他問題,請及時聯(lián)系我們刪除處理郵件:weilaitui@qq.com。
     

    Copyright ? 2016 - 2025 - 企資網(wǎng) 48903.COM All Rights Reserved 粵公網(wǎng)安備 44030702000589號

    粵ICP備16078936號

    微信

    關(guān)注
    微信

    微信二維碼

    WAP二維碼

    客服

    聯(lián)系
    客服

    聯(lián)系客服:

    在線QQ: 303377504

    客服電話: 020-82301567

    E_mail郵箱: weilaitui@qq.com

    微信公眾號: weishitui

    客服001 客服002 客服003

    工作時間:

    周一至周五: 09:00 - 18:00

    反饋

    用戶
    反饋

    主站蜘蛛池模板: 日本深夜福利19禁在线播放| 狠狠爱天天综合色欲网| 小小影视日本动漫观看免费| 免费的看黄网站| 97人人模人人爽人人少妇| 欧美丰满白嫩bbw激情| 国产免费久久久久久无码| 一级毛片免费观看不卡视频| 狠狠精品干练久久久无码中文字幕 | 精品亚洲综合久久中文字幕| 在线精品91青草国产在线观看| 亚洲国产精品第一区二区| 麻豆国产精品入口免费观看| 成人污视频网站| 亚洲精品电影在线| 精品香蕉在线观看免费| 成人毛片无码一区二区三区| 亚洲精品成a人在线观看| 孩交videos精品乱子豆奶视频| 打开双腿让老乞丐玩| 亚洲精品无码精品mV在线观看| 国产主播在线播放| 成人免费视频69| 亚洲日韩av无码中文| 青青操视频在线免费观看| 小小视频在线版观看| 亚洲国产成人久久综合一区| 色综合a怡红院怡红院首页| 天堂网www资源在线| 久久精品国产色蜜蜜麻豆| 精品久久久久久久久久中文字幕| 国产精品国产午夜免费福利看| 久久99精品久久久久久hb无码| 波多野结衣电影免费在线观看| 国产小视频在线观看免费| 一个人看的www免费高清中文字幕| 欧美性xxxx极品高清| 四虎精品成人免费永久| 24小时免费看片| 成人精品国产亚洲欧洲| 亚洲国产一区二区三区|