圖靈獎得主姚期智領銜的首篇大語言模型論文來了！
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“步步爲營”，記住推理過程中間的所有正確結果。
具體來說，這篇新論文提出了一種叫做累積推理（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，大模型基於思維鏈等，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。
累積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，變成了更復雜的“有向無環圖”。
莱荣高铁被举报背后：中建八局去年盈利122亿，监理方为中铁二院子公司
這樣一來，大模型不僅解數學題思路更清晰，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%。
據清華大學交叉信息研究院介紹，共同一作張伊凡解釋了這篇論文的出發點：
從這個角度出發設計的累積推理，效果比思維鏈（CoT）和思維樹（ToT）更好。
那麼，這種新方法究竟長啥樣？我們一起展開看看。
郭晶晶结束亚运回港参加婚宴，背两万包脸颊浮肿，和友人亲密交谈
累積推理的核心，在於改進了大模型思維過程的“形狀”。
具體來說，這個方法用到了3個大語言模型：
推理過程中，“提議者”先給出提案，“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推理示例
有點像是團隊項目裡的三類角色：小組成員先頭腦風暴出各種idea，指導老師“把關”看哪個idea可行，組長決策什麼時候完成項目。
所以，這種方法究竟是怎麼改變大模型思維“形狀”的？
要想理解這一點，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，核心在於給數據集中的輸入加一段“逐步推理”文字，激發出大模型的思考能力。
△選自GSM8K數據集
基於思維鏈原理，谷歌也快速跟進了一個“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。
但無論思維鏈還是CoT-SC，都忽略了一個問題：題目不止有一種解法，人類做題更是如此。
美国发现了一架坠毁的UFO飞碟, 其直径达到了惊人的9.14米!
因此，隨後又出現了一種名叫思維樹（Tree of Thought,ToT）的新研究。
晚上22点！北京国安助教透露重要信息，恭喜张稀哲，张玉宁安心了
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。
從方法中可以看出，思維樹比思維鏈更進一步，讓大模型思維“更活躍”了。
這也是爲什麼玩24點時，思維鏈加成的GPT-4成功率只有4%，但思維樹成功率卻飆升到74%。
BUT無論思維鏈、CoT-SC還是思維樹，都有一個共同的侷限性：
畢竟不是所有的思維過程都能做成鏈或者樹，人類想東西的方式往往還要更復雜。
這次的累積推理新框架，在設計上就突破了這一點——
大模型的整體思維過程不一定是鏈或樹，還可以是一個有向無環圖（DAG）！（嗯，有神經突觸內味了）
△圖中的邊都有方向，並且不存在任何循環路徑；每個有向邊是一個推導步驟
這也就意味着，它可以將所有歷史上正確的推理結果存儲於內存中，以便在當前搜索分支中探索。（相比之下，思維樹並不會存儲來自其它分支的信息）
但累積推理也能和思維鏈無縫切換——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累積推理，在各種方法上都取得了不錯的效果。
巴黎人报：去年贝林厄姆的代表曾与巴黎接触 巴黎选择放弃引进他
研究人員選擇了FOLIO wiki和AutoTNLI、24點遊戲、MATH數據集，來對累積推理進行“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，用不同的prompt來設定角色。
這裡用作實驗的有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數據專門預訓練模型、“驗證者”也應加入正規的數學證明器、命題邏輯求解器模塊等。
FOLIO是一階邏輯推理數據集，問題的標籤可以是“true”、“False”、“Unknown”；AutoTNLI是高階邏輯推理數據集。
在FOLIO wiki數據集上，與直接輸出結果（Direct）、思維鏈（CoT）、進階版思維鏈（CoT-SC）方法相比，累積推理（CR）表現總是最優。
在刪除數據集中有問題的實例（比如答案不正確）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。
这…黄喜灿射门被封堵后飞铲沃克未吃牌，此前已因蹬踏阿坎吉染黄
再來看AutoTNLI數據集上的表現：
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的改進達到了9.3%。
ToT最初論文中用到的是24點遊戲，所以這裡研究人員就用此數據集來做CR和ToT的比較。
ToT使用固定寬度和深度的搜索樹，CR允許大模型自主確定搜索深度。
研究人員在實驗中發現，在24點的上下文中，CR算法和ToT算法非常相似。不同點在於，CR中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爲74%），且平均訪問狀態數量要比ToT少很多。
也就是說CR不僅有更高的搜索正確率，也有更高的搜索效率。
MATH數據集包含了大量數學推理題目，包含代數、幾何、數論等，題目難度分爲五級。
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，建立了GPT-4模型下的新SOTA。
這篇論文來自清華交叉信息院姚期智和袁洋領銜的AI for Math課題組。
論文共同第一作者爲交叉信息院2021級博士生張伊凡、楊景欽；
指導老師及共同通訊作者爲袁洋助理教授、姚期智院士。
張伊凡
張伊凡2021年本科畢業於於北京大學元培學院，現師從袁洋助理教授，主要研究方向爲基礎模型（大語言模型）的理論和算法、自監督學習、可信人工智能。
楊景欽
2021年畢業於清華大學交叉信息研究院獲學士學位，現師從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、智能醫療等。
袁洋
袁洋是清華大學交叉信息學院助理教授。2012年畢業於北京大學計算機系；2018年獲美國康奈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。
「老师你会不会回来」南投县爽文国中教师王政忠前往树人家商演讲
他的主要研究方向是智能醫療、AI基礎理論、應用範疇論等。
姚期智
姚期智教授是中國科學院院士、清華大學交叉信息研究院院長；同時也是“圖靈獎”創立以來首位獲獎的亞裔學者、迄今爲止獲此殊榮的唯一華人計算機科學家。
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年爲清華本科生創立了計算機科學實驗班“姚班”；2011年創建“清華量子信息中心”與“交叉信息研究院”；2019年再爲清華本科生創立了人工智能學堂班，簡稱“智班”。
如今，他領導的清華大學交叉信息研究院早已聲名遠播，姚班、智班都隸屬交叉信息院。
姚期智教授研究方向有算法、密碼學、量子計算等，是這方面的國際先驅和權威。最近，他現身2023世界人工智能大會，所領導的上海期智研究院目前正在研究“具身通用人工智能”。
論文鏈接： https://arxiv.org/abs/2308.04371
