検索
ホームページテクノロジー周辺機器AI思考の連鎖はどのようにして言語モデルの隠された機能を解放するのでしょうか?最新の理論研究でその背後にある謎が明らかに

大規模モデルの出現における最も不思議な現象の 1 つは、思考のヒントの連鎖 (CoT) です。これは、特に数学的推論や意思決定の問題の解決において驚くべき結果を示しています。 CoTはどのくらい重要ですか?その成功の背後にあるメカニズムは何ですか?この記事では、北京大学の数名の研究者が、CoT が大規模言語モデル (LLM) 推論の実現に不可欠であることを証明し、理論的および実験的観点から CoT がどのように LLM の大きな可能性を解き放つことができるかを明らかにします。

最近の研究では、思考連鎖プロンプト (CoT) が、特に数学や推論を含む複雑な問題の処理において、大規模言語モデル (LLM) のパフォーマンスを大幅に向上させることができることがわかりました。しかし、多くの成功にもかかわらず、CoT の背後にあるメカニズムや LLM の可能性を引き出す方法は依然としてわかりにくいままです。

最近、北京大学の新しい研究により、CoT の背後にある謎が理論的な観点から明らかになりました。

思考の連鎖はどのようにして言語モデルの隠された機能を解放するのでしょうか?最新の理論研究でその背後にある謎が明らかに

論文リンク: https://arxiv.org/abs/2305.15408

Transformer に基づく大規模言語モデルは、自然言語処理の一般的なモデルとなり、さまざまなタスクで広く使用されています。主流の大規模モデルは、通常、自己回帰パラダイムに基づいて実装されており、具体的には、さまざまなタスク (テキスト翻訳、テキスト生成、質問応答など) を一律にシーケンス生成問題としてみなすことができ、質問と説明の入力が行われます。質問の回答は、プロンプト (プロンプト) と呼ばれる単語 (トークン) シーケンスにまとめてエンコードされ、質問に対する回答は、プロンプトに基づいて条件付きで後続の単語を生成するタスクに変換できます。

思考の連鎖はどのようにして言語モデルの隠された機能を解放するのでしょうか?最新の理論研究でその背後にある謎が明らかに

##大規模モデルの分野では、そのことを注意深く示した大量の研究があります。デザインされたプロンプトワードはモデルのパフォーマンスに重要な役割を果たします。特に算術や推論関連のタスクに関しては、CoT によって生成される回答の正確性が大幅に向上することが示されています。以下の図に示すように、数学的推論を必要とするタスクの場合、大規模なモデルによって直接生成された答えは間違っていることがよくあります (以下の図 a、b)。ただし、大規模なモデルが思考チェーン全体 (中間導出ステップ) を出力するようにプロンプ​​トを変更すると、最終的には正しい答えを得ることができるようになります (以下の c、d)。

思考の連鎖はどのようにして言語モデルの隠された機能を解放するのでしょうか?最新の理論研究でその背後にある謎が明らかに

実際には、思考連鎖プロンプトを実装するには 2 つの主流の方法があります。1 つは、「」などの特定のフレーズを追加することです。 「ステップごとに考えてみましょう」がトリガーされます (上の c に示すように); もう 1 つは、思考連鎖のデモンストレーションの少数の例を提供して、大規模なモデルが対応する導出プロセスをシミュレートできるようにすることです (上の d に示すように)。

しかし、CoT は多数の実験で顕著なパフォーマンスを達成しましたが、その背後にある理論的メカニズムは依然として謎のままです。一方で、大規模なモデルには、数学や推論などに関する質問に直接答える上で、本質的な理論的欠陥が実際にあるのでしょうか?一方で、なぜ CoT はこれらのタスクに関する大規模モデルの機能を向上させることができるのでしょうか?この文書は、理論的な観点から上記の質問に答えます。

具体的には、研究者はモデル表現能力の観点から CoT を研究します。この記事では、数学的タスクと一般的な意思決定タスクについて、次の 2 つの表現能力における自己回帰に基づいて Transformer モデルを研究します。 (1) 回答を直接生成すること、(2) CoT を使用して完全なソリューション ステップを生成すること。

CoT は数学的問題を解決する鍵です。

GPT-4 に代表される大規模モデルは、驚くべき数学的能力を実証しています。たとえば、ほとんどの高校数学の問題を正しく解くことができ、数学者の研究助手にもなりました。

大規模モデルの数学的機能を研究するために、この記事では、算術と方程式という 2 つの非常に基本的だが核となる数学的タスクを選択しました (次の図は、これら 2 つのタスクの入力の出力例を示しています) )。これらは複雑な数学的問題を解決するための基本的なコンポーネントであるため、これら 2 つの中心的な数学的問題を研究することで、一般的な数学的問題に対する大規模モデルの機能をより深く理解することができます。

思考の連鎖はどのようにして言語モデルの隠された機能を解放するのでしょうか?最新の理論研究でその背後にある謎が明らかに

研究者らはまず、Transformer が中間ステップを出力せずに上記の質問に対する回答を出力できるかどうかを調査しました。彼らは、現実と非常に一致する仮定を検討しました。つまり、対数精度の Transformer、つまり、Transformer の各ニューロンは、限られた精度 (精度は log n ビット) の浮動小数点数しか表現できません。ここで、n は最大長です。文の。この仮定は現実に非常に近いもので、たとえば GPT-3 では、マシン精度 (16 ビットまたは 32 ビット) は通常、出力文の最大長 (2048) よりもはるかに小さくなります。

この仮定の下で、研究者らは不可能な核心的な結果を証明しました: 定層と幅 d を持つ自己回帰 Transformer モデルの場合、直接出力が答えです非常に大きなモデル幅 d を使用して、上記の 2 つの数学的問題を解決することです。具体的には、入力長 n が増加するにつれて、d は多項式よりも大きくなる必要があります。

この結果の本質的な理由は、上記の 2 つの問題に対する効率的な並列アルゴリズムが存在しないため、典型的な並列モデルである Transformer ではそれらを解決できないことです。この記事では、理論コンピュータ科学における回路複雑性理論を使用して、上記の定理を厳密に証明しています。

では、モデルが答えを直接出力せず、中間導出ステップを上の図の形式で出力する場合はどうなるでしょうか?研究者らはさらに、モデルが中間ステップを出力できる場合、固定サイズ (入力長 n に依存しない) 自己回帰 Transformer モデルが上記の 2 つの数学的問題を解決できることを構築を通じて証明しました # 。

前の結果と比較すると、CoT を追加することで大規模モデルの表現力が大幅に向上することがわかります。研究者らはさらに、これについて直感的な理解を与えました。これは、CoT の導入により、生成された出力ワードが入力層に継続的にフィードバックされ、モデルの有効深さが大幅に増加し、CoT の出力長に比例するためです。したがって、Transformer の並列複雑性は大幅に改善されました。

CoT は一般的な意思決定の問題を解決する鍵です。

研究者らは、数学的問題に加えて、一般的なタスクを解決する CoT の能力についてさらに検討しました。彼らは意思決定問題から出発して、動的計画法と呼ばれる、意思決定問題を解決するための一般的なフレームワークを検討しました。

ダイナミック プログラミング (DP) の基本的な考え方は、複雑な問題を、順番に解決できる一連の小規模なサブ問題に分解することです。問題を分解すると、さまざまなサブ問題間に重要な相互関係 (重複) があることが確認され、前のサブ問題の答えを使用して各サブ問題を効率的に解決できます。

最長昇順部分列 (LIS) と編集距離の解 (ED) は、書籍「アルゴリズム入門」で提案されている 2 つの有名な DP 問題です。次の表にこれらの集計を示します。状態空間の関数、2 つの問題に対する遷移関数。

思考の連鎖はどのようにして言語モデルの隠された機能を解放するのでしょうか?最新の理論研究でその背後にある謎が明らかに

研究者らは、自己回帰 Transformer モデルが次のような部分問題を解決できることを証明しました。このシーケンスは完全な動的計画思考の連鎖を出力するため、動的計画で解決できるすべてのタスクに対して正しい答えを出力できます。同様に、研究者らは生成的思考連鎖が必要であることをさらに実証しました。多くの難しい動的計画問題では、定層の多項式サイズの Transformer モデルは正しい答えを直接出力できません。この記事では、文脈自由文法のメンバーシップ テストの問題に対する反例を示しています。

実験

研究者らは最終的に、算術式の評価、一次方程式の解法、最長上昇部分列の解法という 4 つの異なるタスクを考慮して、上記の理論を検証するために多数の実験を設計しました。編集距離を解決します。

実験結果は、CoT データを使用してトレーニングすると、3 層の自己回帰 Transformer モデルがすべてのタスクでほぼ完璧なパフォーマンスを達成できることを示しています。ただし、正しい答えを直接出力すると、すべてのタスクで (より深いモデルを使用した場合でも) パフォーマンスが低下します。この結果は、さまざまな複雑なタスクを解決する自己回帰トランスフォーマーの能力を明確に示しており、これらのタスクを解決する際の CoT の重要性を示しています。

思考の連鎖はどのようにして言語モデルの隠された機能を解放するのでしょうか?最新の理論研究でその背後にある謎が明らかに

研究者らは、学習された自己回帰モデルをさらに長いデータに外挿できるかどうかも調査しました。彼らは、演算子の数が 1 ~ 15 の範囲である操作タスク用の CoT トレーニング データセットを構築し、演算子の数 n ∈ {16, 17, 18} の式でモデルをテストしました。結果は以下の図 3 に示されており、研究者の 3 層 Transformer モデルは長いシーケンスでも良好なパフォーマンスを示しており、このモデルが実際に基礎となるメカニズムをある程度学習していることを示しています。したがって、研究者らは、さまざまな長さのより多くのデータでモデルをトレーニングすることで、最終的には完全な算術規則を明らかにできると考えています。

思考の連鎖はどのようにして言語モデルの隠された機能を解放するのでしょうか?最新の理論研究でその背後にある謎が明らかに

以上が思考の連鎖はどのようにして言語モデルの隠された機能を解放するのでしょうか?最新の理論研究でその背後にある謎が明らかにの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

声明
この記事は51CTO.COMで複製されています。侵害がある場合は、admin@php.cn までご連絡ください。
从VAE到扩散模型:一文解读以文生图新范式从VAE到扩散模型:一文解读以文生图新范式Apr 08, 2023 pm 08:41 PM

1 前言在发布DALL·E的15个月后,OpenAI在今年春天带了续作DALL·E 2,以其更加惊艳的效果和丰富的可玩性迅速占领了各大AI社区的头条。近年来,随着生成对抗网络(GAN)、变分自编码器(VAE)、扩散模型(Diffusion models)的出现,深度学习已向世人展现其强大的图像生成能力;加上GPT-3、BERT等NLP模型的成功,人类正逐步打破文本和图像的信息界限。在DALL·E 2中,只需输入简单的文本(prompt),它就可以生成多张1024*1024的高清图像。这些图像甚至

找不到中文语音预训练模型?中文版 Wav2vec 2.0和HuBERT来了找不到中文语音预训练模型?中文版 Wav2vec 2.0和HuBERT来了Apr 08, 2023 pm 06:21 PM

Wav2vec 2.0 [1],HuBERT [2] 和 WavLM [3] 等语音预训练模型,通过在多达上万小时的无标注语音数据(如 Libri-light )上的自监督学习,显著提升了自动语音识别(Automatic Speech Recognition, ASR),语音合成(Text-to-speech, TTS)和语音转换(Voice Conversation,VC)等语音下游任务的性能。然而这些模型都没有公开的中文版本,不便于应用在中文语音研究场景。 WenetSpeech [4] 是

普林斯顿陈丹琦:如何让「大模型」变小普林斯顿陈丹琦:如何让「大模型」变小Apr 08, 2023 pm 04:01 PM

“Making large models smaller”这是很多语言模型研究人员的学术追求,针对大模型昂贵的环境和训练成本,陈丹琦在智源大会青源学术年会上做了题为“Making large models smaller”的特邀报告。报告中重点提及了基于记忆增强的TRIME算法和基于粗细粒度联合剪枝和逐层蒸馏的CofiPruning算法。前者能够在不改变模型结构的基础上兼顾语言模型困惑度和检索速度方面的优势;而后者可以在保证下游任务准确度的同时实现更快的处理速度,具有更小的模型结构。陈丹琦 普

解锁CNN和Transformer正确结合方法,字节跳动提出有效的下一代视觉Transformer解锁CNN和Transformer正确结合方法,字节跳动提出有效的下一代视觉TransformerApr 09, 2023 pm 02:01 PM

由于复杂的注意力机制和模型设计,大多数现有的视觉 Transformer(ViT)在现实的工业部署场景中不能像卷积神经网络(CNN)那样高效地执行。这就带来了一个问题:视觉神经网络能否像 CNN 一样快速推断并像 ViT 一样强大?近期一些工作试图设计 CNN-Transformer 混合架构来解决这个问题,但这些工作的整体性能远不能令人满意。基于此,来自字节跳动的研究者提出了一种能在现实工业场景中有效部署的下一代视觉 Transformer——Next-ViT。从延迟 / 准确性权衡的角度看,

Stable Diffusion XL 现已推出—有什么新功能,你知道吗?Stable Diffusion XL 现已推出—有什么新功能,你知道吗?Apr 07, 2023 pm 11:21 PM

3月27号,Stability AI的创始人兼首席执行官Emad Mostaque在一条推文中宣布,Stable Diffusion XL 现已可用于公开测试。以下是一些事项:“XL”不是这个新的AI模型的官方名称。一旦发布稳定性AI公司的官方公告,名称将会更改。与先前版本相比,图像质量有所提高与先前版本相比,图像生成速度大大加快。示例图像让我们看看新旧AI模型在结果上的差异。Prompt: Luxury sports car with aerodynamic curves, shot in a

​什么是Transformer机器学习模型?​什么是Transformer机器学习模型?Apr 08, 2023 pm 06:31 PM

译者 | 李睿审校 | 孙淑娟​近年来, Transformer 机器学习模型已经成为深度学习和深度神经网络技术进步的主要亮点之一。它主要用于自然语言处理中的高级应用。谷歌正在使用它来增强其搜索引擎结果。OpenAI 使用 Transformer 创建了著名的 GPT-2和 GPT-3模型。自从2017年首次亮相以来,Transformer 架构不断发展并扩展到多种不同的变体,从语言任务扩展到其他领域。它们已被用于时间序列预测。它们是 DeepMind 的蛋白质结构预测模型 AlphaFold

五年后AI所需算力超100万倍!十二家机构联合发表88页长文:「智能计算」是解药五年后AI所需算力超100万倍!十二家机构联合发表88页长文:「智能计算」是解药Apr 09, 2023 pm 07:01 PM

人工智能就是一个「拼财力」的行业,如果没有高性能计算设备,别说开发基础模型,就连微调模型都做不到。但如果只靠拼硬件,单靠当前计算性能的发展速度,迟早有一天无法满足日益膨胀的需求,所以还需要配套的软件来协调统筹计算能力,这时候就需要用到「智能计算」技术。最近,来自之江实验室、中国工程院、国防科技大学、浙江大学等多达十二个国内外研究机构共同发表了一篇论文,首次对智能计算领域进行了全面的调研,涵盖了理论基础、智能与计算的技术融合、重要应用、挑战和未来前景。论文链接:​https://spj.scien

AI模型告诉你,为啥巴西最可能在今年夺冠!曾精准预测前两届冠军AI模型告诉你,为啥巴西最可能在今年夺冠!曾精准预测前两届冠军Apr 09, 2023 pm 01:51 PM

说起2010年南非世界杯的最大网红,一定非「章鱼保罗」莫属!这只位于德国海洋生物中心的神奇章鱼,不仅成功预测了德国队全部七场比赛的结果,还顺利地选出了最终的总冠军西班牙队。不幸的是,保罗已经永远地离开了我们,但它的「遗产」却在人们预测足球比赛结果的尝试中持续存在。在艾伦图灵研究所(The Alan Turing Institute),随着2022年卡塔尔世界杯的持续进行,三位研究员Nick Barlow、Jack Roberts和Ryan Chan决定用一种AI算法预测今年的冠军归属。预测模型图

See all articles

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

EditPlus 中国語クラック版

EditPlus 中国語クラック版

サイズが小さく、構文の強調表示、コード プロンプト機能はサポートされていません

Safe Exam Browser

Safe Exam Browser

Safe Exam Browser は、オンライン試験を安全に受験するための安全なブラウザ環境です。このソフトウェアは、あらゆるコンピュータを安全なワークステーションに変えます。あらゆるユーティリティへのアクセスを制御し、学生が無許可のリソースを使用するのを防ぎます。

mPDF

mPDF

mPDF は、UTF-8 でエンコードされた HTML から PDF ファイルを生成できる PHP ライブラリです。オリジナルの作者である Ian Back は、Web サイトから「オンザフライ」で PDF ファイルを出力し、さまざまな言語を処理するために mPDF を作成しました。 HTML2FPDF などのオリジナルのスクリプトよりも遅く、Unicode フォントを使用すると生成されるファイルが大きくなりますが、CSS スタイルなどをサポートし、多くの機能強化が施されています。 RTL (アラビア語とヘブライ語) や CJK (中国語、日本語、韓国語) を含むほぼすべての言語をサポートします。ネストされたブロックレベル要素 (P、DIV など) をサポートします。

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

MantisBT

MantisBT

Mantis は、製品の欠陥追跡を支援するために設計された、導入が簡単な Web ベースの欠陥追跡ツールです。 PHP、MySQL、Web サーバーが必要です。デモおよびホスティング サービスをチェックしてください。