Rumah >Peranti teknologi >AI >Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai 'Pengawasan Proses' memecahkan 78.2% masalah dan menghapuskan halusinasi

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai 'Pengawasan Proses' memecahkan 78.2% masalah dan menghapuskan halusinasi

王林
王林ke hadapan
2023-06-03 12:25:131230semak imbas

ChatGPT telah dikritik kerana kebolehan matematiknya sejak dikeluarkan.

Malah "genius matematik" Terence Tao pernah berkata bahawa GPT-4 tidak banyak menambah nilai dalam bidang kepakaran matematiknya sendiri.

Apakah yang perlu saya lakukan, biarkan sahaja ChatGPT menjadi "rencat matematik"?

OpenAI sedang berusaha keras - untuk meningkatkan keupayaan penaakulan matematik GPT-4, pasukan OpenAI menggunakan "Pengawasan Proses" (PRM) untuk melatih model.

Biar kami sahkan langkah demi langkah!

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Alamat kertas: https://cdn.openai.com/improving-mathematical-reasoning-with-process-supervision/Lets_Verify_Step_by_Step .pdf

Dalam kertas kerja, penyelidik melatih model untuk mencapai keputusan yang lebih baik dalam penyelesaian masalah matematik dengan memberi ganjaran kepada setiap langkah penaakulan yang betul, iaitu, "penyeliaan proses", dan bukannya hanya memberi ganjaran kepada keputusan akhir yang betul (hasil penyeliaan).

Secara khususnya, PRM menyelesaikan 78.2% masalah dalam subset wakil set ujian MATH.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Selain itu, OpenAI mendapati bahawa "penyeliaan proses" mempunyai nilai yang besar dalam penjajaran - melatih model untuk menghasilkan rantaian pemikiran yang diiktiraf oleh manusia .

Penyelidikan terkini sudah tentu amat diperlukan untuk diteruskan oleh Sam Altman, "Pasukan Mathgen kami telah mencapai keputusan yang sangat menarik dalam penyeliaan proses, yang merupakan tanda penjajaran yang positif."

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasiSecara praktiknya, "penyeliaan proses" memerlukan maklum balas manual, yang sangat mahal untuk model besar dan pelbagai tugas. Oleh itu, kerja ini sangat penting dan boleh dikatakan menentukan hala tuju penyelidikan OpenAI pada masa hadapan.

Menyelesaikan masalah matematik

Dalam eksperimen, penyelidik menggunakan masalah dalam set data MATH untuk menilai model ganjaran "penyeliaan proses" dan "penyeliaan keputusan".

Minta model menjana banyak penyelesaian untuk setiap masalah dan kemudian pilih penyelesaian dengan kedudukan tertinggi untuk setiap model ganjaran.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasiRajah menunjukkan peratusan penyelesaian terpilih yang menghasilkan jawapan akhir yang betul sebagai fungsi bilangan penyelesaian yang dipertimbangkan.

Bukan sahaja model ganjaran "penyeliaan proses" menunjukkan prestasi yang lebih baik secara keseluruhan, malah jurang prestasi semakin melebar apabila lebih banyak penyelesaian dipertimbangkan untuk setiap masalah.

Ini menunjukkan bahawa model ganjaran "penyeliaan proses" lebih dipercayai.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasiDi bawah, OpenAI menunjukkan 10 masalah matematik dan penyelesaian model, serta ulasan tentang kelebihan dan kekurangan model ganjaran.

Model telah dinilai daripada tiga jenis penunjuk berikut: benar (TP), negatif benar (TN) dan positif palsu (FP).

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasiBenar (TP)

Pertama, mari kita ringkaskan formula fungsi trigonometri.

Masalah fungsi trigonometri yang mencabar ini memerlukan penggunaan beberapa identiti dalam susunan yang tidak jelas.

Tetapi kebanyakan percubaan penyelesaian gagal kerana sukar untuk memilih identiti yang sebenarnya berguna.

Walaupun GPT-4 umumnya gagal menyelesaikan masalah ini, dengan hanya 0.1% penyelesaian cuba mencapai jawapan yang betul, model ganjaran mengenal pasti penyelesaian ini dengan betul sebagai sah.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Di sini, GPT-4 berjaya melaksanakan satu siri pemfaktoran polinomial yang kompleks.

Menggunakan identiti Sophie-Germain dalam langkah 5 ialah langkah penting. Dapat dilihat bahawa langkah ini sangat bernas.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Dalam langkah 7 dan 8, GPT-4 mula melakukan tekaan dan semakan.

Ini adalah tempat biasa di mana model boleh "halusinasi" dan mendakwa bahawa tekaan tertentu berjaya. Dalam kes ini, model ganjaran mengesahkan setiap langkah dan menentukan bahawa rantaian pemikiran adalah betul.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Model berjaya menggunakan beberapa identiti trigonometri untuk memudahkan ungkapan.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

True Negative (TN)

Dalam langkah 7, GPT-4 cuba untuk memudahkan ungkapan, tetapi percubaan itu gagal. Model ganjaran menangkap pepijat ini.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Dalam langkah 11, GPT-4 membuat ralat pengiraan mudah. Juga ditemui oleh model ganjaran.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

GPT-4 cuba menggunakan formula perbezaan kuasa dua dalam langkah 12, tetapi ungkapan ini sebenarnya bukan perbezaan kuasa dua.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Rasional untuk langkah 8 adalah pelik, tetapi model bonus menjadikannya lulus. Walau bagaimanapun, dalam langkah 9, model salah memfaktorkan ungkapan.

Model ganjaran membetulkan ralat ini.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Positif Palsu (FP)

Dalam langkah 4, GPT-4 tersilap mendakwa bahawa "jujukan itu berulang setiap 12 item ” , tetapi sebenarnya mengulangi setiap 10 item. Ralat pengiraan ini kadangkala menipu model ganjaran.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Dalam langkah 13, GPT-4 cuba untuk memudahkan persamaan dengan menggabungkan istilah yang serupa. Ia bergerak dengan betul dan menggabungkan sebutan linear ke kiri, tetapi secara salah meninggalkan bahagian kanan tidak berubah. Model ganjaran tertipu oleh ralat ini.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

GPT-4 cuba melakukan pembahagian panjang, tetapi dalam langkah 16, ia terlupa untuk memasukkan sifar pendahuluan dalam bahagian berulang perpuluhan. Model ganjaran tertipu oleh ralat ini.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

GPT-4 membuat ralat pengiraan halus dalam langkah 9.

Pada zahirnya, dakwaan bahawa terdapat 5 cara untuk menukar bola dengan warna yang sama (memandangkan terdapat 5 warna) nampaknya munasabah.

Namun, kiraan ini dipandang remeh dengan faktor 2 kerana Bob mempunyai 2 pilihan iaitu bola yang mana hendak diberikan kepada Alice. Model ganjaran tertipu oleh ralat ini.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Penyeliaan Proses

Walaupun model bahasa yang besar telah bertambah baik dari segi keupayaan penaakulan yang kompleks, malah model yang paling maju. masih menghasilkan kesilapan logik atau karut, yang sering dipanggil "ilusi".

Dalam kegilaan kecerdasan buatan generatif, ilusi model bahasa yang besar sentiasa menyusahkan orang ramai.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Musk berkata, apa yang kita perlukan ialah TruthGPT

Sebagai contoh, baru-baru ini, seorang peguam Amerika memfailkan di mahkamah persekutuan New York Dia memetik kes rekaan ChatGPT dan mungkin menghadapi sekatan.

Penyelidik OpenAI menyebut dalam laporan itu: “Ilusi ini amat bermasalah dalam bidang yang memerlukan penaakulan berbilang langkah, kerana ralat logik yang mudah boleh menyebabkan kerosakan besar kepada keseluruhan penyelesaian ”

Selain itu, mengurangkan halusinasi juga merupakan kunci untuk membina AGI yang konsisten.

Bagaimana untuk mengurangkan ilusi model besar? Secara umumnya terdapat dua kaedah - penyeliaan proses dan penyeliaan hasil.

"Penyeliaan hasil", seperti namanya, adalah untuk memberi maklum balas kepada model besar berdasarkan keputusan akhir, manakala "penyeliaan proses" boleh memberikan maklum balas untuk setiap langkah dalam rantaian pemikiran.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Dalam penyeliaan proses, model besar diberi ganjaran untuk langkah penaakulan yang betul, bukan hanya kesimpulan akhir yang betul. Proses ini akan menggalakkan model mengikuti lebih banyak rantai kaedah pemikiran seperti manusia, sekali gus menjadikannya lebih berkemungkinan untuk mencipta AI yang boleh dijelaskan dengan lebih baik.

Penyelidik OpenAI berkata walaupun penyeliaan proses tidak dicipta oleh OpenAI, OpenAI sedang berusaha keras untuk memajukannya.

Dalam penyelidikan terkini, OpenAI mencuba kedua-dua kaedah "penyeliaan keputusan" atau "penyeliaan proses". Dan menggunakan set data MATH sebagai platform ujian, perbandingan terperinci kedua-dua kaedah dijalankan.

Didapati bahawa "penyeliaan proses" boleh meningkatkan prestasi model dengan ketara.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Untuk tugasan matematik, "penyeliaan prosedur" menghasilkan keputusan yang jauh lebih baik untuk kedua-dua model besar dan kecil, bermakna model itu secara amnya betul, dan juga mempamerkan proses pemikiran yang lebih seperti manusia.

Dengan cara ini, ilusi atau ralat logik yang sukar dielakkan walaupun dalam model yang paling berkuasa dapat dikurangkan.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Kelebihan penjajaran adalah jelas

Para penyelidik mendapati bahawa "penyeliaan proses" mempunyai beberapa kelebihan penjajaran berbanding "penyeliaan keputusan" :

· Ganjaran langsung mengikut rantaian model pemikiran yang konsisten kerana setiap langkah dalam proses itu diawasi dengan tepat.

· Lebih cenderung untuk menghasilkan penaakulan yang boleh ditafsir kerana "penyeliaan proses" menggalakkan model mengikuti proses yang diluluskan oleh manusia. Sebaliknya, pemantauan hasil mungkin memberi ganjaran kepada proses yang tidak konsisten dan selalunya lebih sukar untuk disemak.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Perlu juga dinyatakan bahawa dalam sesetengah kes, kaedah menjadikan sistem AI lebih selamat boleh mengakibatkan kemerosotan prestasi. Kos ini dipanggil "cukai penjajaran."

Secara umumnya, sebarang kos "cukai penjajaran" mungkin menghalang penggunaan kaedah penjajaran untuk menggunakan model yang paling berkebolehan.

Walau bagaimanapun, keputusan penyelidik berikut menunjukkan bahawa "penyeliaan proses" sebenarnya menghasilkan "cukai penjajaran negatif" semasa ujian domain matematik.

Boleh dikatakan tiada kehilangan prestasi besar akibat penjajaran.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

OpenAI mengeluarkan 800,000 set data beranotasi manusia

Perlu diambil perhatian bahawa PRM memerlukan lebih banyak anotasi manusia, atau adakah ia mendalam Saya tidak boleh hidup tanpa RLHF.

Sejauh mana kesesuaian penyeliaan proses dalam bidang selain matematik? Proses ini memerlukan penerokaan lanjut.

Penyelidik OpenAI telah membuka set data maklum balas manusia PRM ini, yang mengandungi 800,000 anotasi betul peringkat langkah: 75K penyelesaian yang dihasilkan daripada 12K masalah matematik

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Berikut ialah contoh anotasi. OpenAI sedang mengeluarkan anotasi mentah, bersama-sama dengan arahan kepada anotor semasa Fasa 1 dan 2 projek.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Komen hangat daripada netizen

Saintis NVIDIA Jim Fan membuat ringkasan penyelidikan terbaru OpenAI:

Untuk Soalan langkah demi langkah mencabar yang memberikan ganjaran pada setiap langkah dan bukannya ganjaran tunggal pada akhir. Pada asasnya, isyarat ganjaran padat > isyarat ganjaran jarang. Model Ganjaran Proses (PRM) boleh memilih penyelesaian untuk penanda aras MATH yang sukar dengan lebih baik daripada Model Ganjaran Hasil (ORM). Langkah seterusnya yang jelas ialah memperhalusi GPT-4 dengan PRM, yang artikel ini belum dilakukan lagi. Perlu diingatkan bahawa PRM memerlukan lebih banyak anotasi manusia. OpenAI mengeluarkan set data maklum balas manusia: 800K anotasi peringkat langkah pada 75K penyelesaian kepada 12K masalah matematik.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi


Ia seperti pepatah lama di sekolah, belajar berfikir .

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Melatih model untuk berfikir, bukannya hanya mengeluarkan jawapan yang betul, akan menjadi pengubah permainan dalam menyelesaikan masalah yang kompleks.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi


CtGPT sangat lemah dalam matematik. Hari ini saya cuba menyelesaikan masalah matematik daripada buku matematik darjah 4. ChatGPT memberikan jawapan yang salah. Saya menyemak jawapan saya dengan jawapan daripada ChatGPT, jawapan daripada kebingungan AI, Google dan guru darjah empat saya. Ia boleh disahkan di mana-mana bahawa jawapan chatgpt adalah salah.

Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai Pengawasan Proses memecahkan 78.2% masalah dan menghapuskan halusinasi

Rujukan: https://www.php.cn/link/daf642455364613e2120c636b5a1f9c7

Atas ialah kandungan terperinci Keupayaan matematik GPT-4 adalah hebat! Penyelidikan eksplosif OpenAI mengenai 'Pengawasan Proses' memecahkan 78.2% masalah dan menghapuskan halusinasi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan:
Artikel ini dikembalikan pada:51cto.com. Jika ada pelanggaran, sila hubungi admin@php.cn Padam