大模型學(xué)好編程，常識邏輯能力一起提升！網(wǎng)友：GPT-4更強(qiáng)的關(guān)鍵所在？

西風(fēng) 2023-05-24 04:19:04 來源：量子位

明敏 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

大模型代碼能力強(qiáng)，順便還能提升其他能力？

最近CMU的一項研究突然在網(wǎng)上火了起來。

因為它提出了一個結(jié)論，模型掌握好代碼能力后，在一些非代碼任務(wù)上也能表現(xiàn)出色。

類比于：學(xué)好數(shù)理化走遍天下都不怕的感覺。

這一下子把網(wǎng)友們的腦洞給打開了。

難道說GPT-4比GPT-3.5強(qiáng)的關(guān)鍵原因，就在這里？

有人提問：這是否意味著掌握復(fù)雜編程，就能獲得更高的推理水平？

還有人好奇，是不是說學(xué)編程有助于提升邏輯能力，真的有道理。

想要解釋這些疑問，還要來看研究本身。

這篇論文首次發(fā)表于ChatGPT（GPT-3.5）面世以前，它提出了一種方法，驗證了代碼語言大模型，在完成結(jié)構(gòu)性常識推理上非常擅長。

甚至比一些通用大模型專門微調(diào)過的效果好，碾壓GPT-3、T5。

之所以又被人們熱議起來，或許是因為這項研究中的一些觀點為解釋ChatGPT、GPT-4的能力涌現(xiàn)，提供了一些啟發(fā)。

該論文被EMNLP 2022接收，相關(guān)數(shù)據(jù)和代碼已上傳至GitHub。

學(xué)學(xué)編程就能提升邏輯

該研究主要提出四方面工作：

1、代碼語言模型比自然語言模型能更好處理結(jié)構(gòu)化常識推理任務(wù)。

2、提出一種利用代碼語言模型進(jìn)行結(jié)構(gòu)常識推理的方法：CoCoGEN。

3、在3個結(jié)構(gòu)化常識推理任務(wù)上評估，證明CoCoGEN能優(yōu)于微調(diào)/少樣本測試下的自然語言大模型。

4、進(jìn)行消融試驗，測試數(shù)據(jù)格式、模型大小和少樣本示例數(shù)量的影響。

大語言模型在挑戰(zhàn)摘要、翻譯、生成、問答等方面都有了不錯的表現(xiàn)，目前還存在的一個挑戰(zhàn)是如何進(jìn)行結(jié)構(gòu)化常識推理。

具體任務(wù)包括生成事件圖、推理圖、腳本、論證解釋等。

和傳統(tǒng)的常識推理任務(wù)不同，結(jié)構(gòu)化常識需要根據(jù)自然語言輸入，生成結(jié)構(gòu)化輸出。

這要求模型需要既理解語言內(nèi)容，還能預(yù)測和生成復(fù)雜的結(jié)構(gòu)。

而為了避免跨模態(tài)的復(fù)雜問題，現(xiàn)有的結(jié)構(gòu)化常識生成模型都會修改問題的輸出格式，比如將圖形“扁平化”為節(jié)點對的列表（下圖d），或者轉(zhuǎn)換為DOT這類規(guī)范語言（下圖c）。

但是大語言模型在處理這些輸出時依舊存在困難，因為這些序列化的結(jié)構(gòu)輸出和大部分預(yù)訓(xùn)練數(shù)據(jù)存在很大差異。

而且在自然語言中，語義相關(guān)的詞一般都離得很近，但是在結(jié)構(gòu)化表達(dá)中它們可能離得很遠(yuǎn)。

這就導(dǎo)致大語言模型可能無法很好理解拓?fù)浣Y(jié)構(gòu)，所以想要模型完成這類任務(wù)還要進(jìn)行特定訓(xùn)練。

與此同時，大語言模型在代碼方面的能力越來越突出，代碼也是一種結(jié)構(gòu)化數(shù)據(jù)。

所以研究人員就想到，與其進(jìn)行額外微調(diào)，為什么不利用代碼能力來搞定結(jié)構(gòu)化常識推理。

如下圖b就是利用該方法的結(jié)果：

研究人員將該方法命名為Code for Commonsenses Generation（常識生成代碼）模型，簡稱為CoCoGEN。

CoCoGEN使用一個由k（5-10）個Python類組成的提示。

在推理過程中，測試輸入被轉(zhuǎn)換為一個部分類，如上所示，附加到提示中，并由代碼生成模型（如CodeX）完成。

研究人員使用CodeX發(fā)現(xiàn)它在生成代碼上表現(xiàn)很好，總是能輕松轉(zhuǎn)換成圖形。

然后，研究人員進(jìn)行了三項任務(wù)測試：

• 腳本生成
• 實體狀態(tài)跟蹤
• 解釋圖生成

在腳本生成任務(wù)中，T5模型進(jìn)行了微調(diào)，CURIE（text-curie-001）和DAVINCI（text-davinci-002）使用了15個示例進(jìn)行少樣本測試。

（CURIE和DAVINCI是基于GPT-3的兩個模型）

結(jié)果顯示，CoCoGEN的表現(xiàn)結(jié)果最好。

在以精確度（Precision）、召回率（Recall）和F1值作為評估指標(biāo)時，同樣是使用15個樣本訓(xùn)練后，CoCoGEN的效果優(yōu)于其他模型，并且優(yōu)于在100個樣本上微調(diào)過的T5模型。

另外兩項任務(wù)中，CoCoGEN的表現(xiàn)也都優(yōu)于其他模型。

同時該方法也驗證了其他大模型在使用代碼提示后，表現(xiàn)也會更好。

換言之，在讓大模型精通編程后，它的結(jié)構(gòu)常識能力就會提升。

網(wǎng)友銳評：這不就是野生版柯里-霍華德同構(gòu)嘛？

據(jù)了解柯里-霍華德同構(gòu)建立了邏輯和類型理論之間的關(guān)聯(lián)，現(xiàn)實了推理系統(tǒng)和程序語言之間的相似性。

看來，推理可以等于證明，再等于編程了。

GPT-3也能涌現(xiàn)類似能力

與此同時，有人也發(fā)現(xiàn)了一個半年前的帖子，其中提出了一個觀點和這項研究由類似之處：

大模型具有復(fù)雜推理能力的思維鏈，可能同樣得益于代碼訓(xùn)練。

這個帖子中列舉了幾個例子。

最初的GPT-3沒有用代碼訓(xùn)練，它并不具有思維鏈能力（chain-of-thought，CoT）。

text-davincic-001雖然指令調(diào)優(yōu)了，但是執(zhí)行CoT的效果也不理想。

PaLM的訓(xùn)練數(shù)據(jù)中有5%是代碼，就能具備CoT了。

Copilot（據(jù)說是12B版本），也能做到CoT。

……

這種相關(guān)性的確非常有趣。

還有人覺得用代碼訓(xùn)練大模型的好處可能有更多，比如語言模型預(yù)測下一個token往往是非常局部的，但是代碼方面通常要求能更加“遠(yuǎn)距離”一些，比如完成一個括號閉合的操作。

你怎么看？

論文地址：
https://arxiv.org/abs/2210.07128

GitHub地址：
https://github.com/madaan/

參考鏈接：
https://yaofu.notion.site/How-does-GPT-Obtain-its-Ability-Tracing-Emergent-Abilities-of-Language-Models-to-their-Sources-b9a57ac0fcf74f30a1ab9e3e36fa1dc1