GPT-4推理能力还能暴涨32%？

谷歌&南加大推出最新研究“自我发现”（Self-Discover），重新定义了大模型推理范式。

与已成行业标准的思维链（CoT）相比，新方法不仅让模型在面对复杂任务时表现更佳，还把同等效果下的推理成本压缩至1/40。

核心策略其实很简单：千人千面。

让大模型针对不同问题，提出特定的推理结构。完全不同于以往CoT等方法“千篇一律”的方式。

这种灵活应变的方式，更加贴近于人类的思考模式，也向着期待中的大模型思维方式更进一步。

大模型“千人千面”

一直以来大模型在处理复杂问题时都容易遇到困难，所以一些模拟人类思维能力的提示方法被提出。

最出名的就是思维链（CoT），它通过引导大模型“一步一步来”，让大模型能像人类一样逐步思考解决问题，最终带来显著性能提升。

还有分解法（decomposition-based prompting），它是让大模型将复杂问题拆解成一个个更小的子问题。

这类方法本身都能充当一个原子推理模块，对给定任务的处理过程做了先验假设，也就是让不同问题都套到同一个流程里解决。

但是不同方法其实都有更擅长和不擅长的领域。比如在解决涉及符号操作等问题时，分解法要优于CoT。

所以研究人员提出，对于每个任务，都应该有独特的内在推理过程，同时还不提高模型的推理成本。

自发现步骤架构由此而来。

它主要分为两个阶段。

第一阶段指导大语言模型从原子推理模块中进行挑选、调整、整合，搭建出一个可以解决特定任务的推理结构。

比如“创造思维”可能在创作故事任务上有帮助、“反思思考”可能对搜索科学问题有帮助等。大模型需要根据任务进行挑选，然后进一步调整并完成整合。

第二阶段输入实例，让大模型使用第一阶段发现的推理结构来生成答案。

通过在GPT-4和PaLM 2上进行实验，在BBH、T4D、MATH几个基准中，使用自发现步骤架构后，模型的性能都有明显提升。

在更细分的测试中，自发现步骤在需要世界知识的任务中表现最好，在算法、自然语言理解上超过CoT。

在处理问题的推理调用方面，自发现步骤需要的调用次数明显少于CoT+Self Consistency，而且准确性更高。

如果想要达到和自发现步骤同样的准确率，需要的推理计算量则是其40倍。

研究团队

本项研究由南加州大学和谷歌DeepMind联合推出。

第一作者是Pei Zhou，他现在正在南加州大学的NLP小组攻读博士。

两位通讯作者分别是Huaixiu Zheng和Swaroop Mishra。

Huaixiu Zheng此前参与过谷歌LaMDA工作，这是谷歌一个专攻对话的大模型。

Swaroop Mishra是谷歌DeepMind的研究科学家，它参与的Self-Instruct框架在GitHub上星标3.5k、被引用次数超过600，并被ACL 2023接收。

此外Quoc Le、Denny Zhou等大模型提示微调、推理方向的老面孔也参与其中。

虽然官方暂未开源，但已经有迫不及待的开发者根据论文自行复现了代码。

发现不仅适用于GPT-4和谷歌PaLM，连Mistral家泄露版模型Miqu上都能很好发挥作用。