大模型靠“深呼吸”數(shù)學(xué)再漲8分！谷歌DeepMind發(fā)現(xiàn)AI自己設(shè)計(jì)提示詞效果勝人類

夢(mèng)晨 2023-09-09 13:01:39 來(lái)源：量子位

夢(mèng)晨 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

提示詞中加上“深呼吸”，AI大模型數(shù)學(xué)成績(jī)就能再漲8.4分！

谷歌DeepMind團(tuán)隊(duì)最新發(fā)現(xiàn)，用這個(gè)新“咒語(yǔ)”（Take a deep breath）結(jié)合大家已經(jīng)熟悉的“一步一步地想”（Let’s think step by step），大模型在GSM8K數(shù)據(jù)集上的成績(jī)就從71.8提高到80.2分。

而且這個(gè)最有效的提示詞，是AI自己找出來(lái)的。

有網(wǎng)友開(kāi)玩笑說(shuō)，深呼吸以后，散熱風(fēng)扇就轉(zhuǎn)速就提高了。

也有人表示，剛高薪入職的提示工程師們也應(yīng)該深呼吸，工作可能干不久了

相關(guān)論文《大語(yǔ)言模型是優(yōu)化器》，再次引起轟動(dòng)。

具體來(lái)說(shuō)，大模型自己設(shè)計(jì)的提示詞在Big-Bench Hard數(shù)據(jù)集上最高提升50%。

也有人的關(guān)注點(diǎn)在“不同模型的最佳提示詞不一樣”。

并且不止提示詞設(shè)計(jì)這一個(gè)任務(wù)，在論文中還測(cè)試了大模型在線性回歸和旅行商問(wèn)題這些經(jīng)典優(yōu)化任務(wù)上的能力。

模型不同，最佳提示詞也不同

優(yōu)化問(wèn)題無(wú)處不在，基于導(dǎo)數(shù)和梯度的算法是強(qiáng)大的工具，但現(xiàn)實(shí)應(yīng)用中也經(jīng)常遇到梯度不適用的情況。

為解決這個(gè)問(wèn)題，團(tuán)隊(duì)開(kāi)發(fā)了新方法OPRO，也就是通過(guò)提示詞優(yōu)化（Optimization by?PROmpting）。

不是形式化定義優(yōu)化問(wèn)題然后用程序求解，而是用自然語(yǔ)言描述優(yōu)化問(wèn)題，并要求大模型生成新的解決方案。

一圖流總結(jié)，就是對(duì)大模型的一種遞歸調(diào)用。

每一步優(yōu)化中，以之前生成的解決方案和評(píng)分作為輸入，大模型生成新的方案并評(píng)分，再將其添加到提示詞中，供下一步優(yōu)化使用。

論文主要使用谷歌的PaLM 2和Bard中的text-bison版本作為評(píng)測(cè)模型。

再加上GPT-3.5和GPT-4，共4種模型作為優(yōu)化器。

結(jié)果表明，不光不同模型設(shè)計(jì)出的提示詞風(fēng)格不同，適用的提示詞風(fēng)格也不同。

此前在GPT系列上的AI設(shè)計(jì)出的最優(yōu)提示詞是“Let’s work this out in a step by step way to be sure we have the right answer.”

這個(gè)提示詞使用APE方法設(shè)計(jì)，論文發(fā)表在ICLR 2023上，在GPT-3（text-davinci-002）上超過(guò)人類設(shè)計(jì)的版本“Let’s think step by step”。

但這次在谷歌系PaLM 2和Bard上，APE版本作為基線就還不如人類版本。

OPRO方法設(shè)計(jì)出來(lái)的新提示詞中，“深呼吸”和“拆解這個(gè)問(wèn)題”對(duì)PaLM來(lái)說(shuō)效果最好。

對(duì)text-bison版的Bard大模型來(lái)說(shuō)，則更傾向于詳細(xì)的提示詞。

另外論文還展示了大模型在數(shù)學(xué)優(yōu)化器上的潛力。

線性回歸作為連續(xù)優(yōu)化問(wèn)題的示例。

旅行商問(wèn)題作為離散優(yōu)化問(wèn)題的示例。

僅僅通過(guò)提示，大模型就能找到不錯(cuò)的解決方案，有時(shí)甚至匹敵或超過(guò)手動(dòng)設(shè)計(jì)的啟發(fā)式算法。

但團(tuán)隊(duì)也認(rèn)為大模型還無(wú)法替代傳統(tǒng)基于梯度的優(yōu)化算法，當(dāng)問(wèn)題規(guī)模較大（如節(jié)點(diǎn)數(shù)量較多的旅行商問(wèn)題）時(shí)，OPRO方法表現(xiàn)就不好。

對(duì)于未來(lái)改進(jìn)方向，團(tuán)隊(duì)提出當(dāng)前大模型還無(wú)法有效利錯(cuò)誤案例，僅提供錯(cuò)誤案例無(wú)法讓大模型捕捉捕捉到錯(cuò)誤的原因。

一個(gè)有前景的方向是結(jié)合關(guān)于錯(cuò)誤案例的更豐富的反饋，并總結(jié)優(yōu)化軌跡中高質(zhì)量和低質(zhì)量生成提示的關(guān)鍵特征差異。

這些信息可能幫助優(yōu)化器模型更高效地改進(jìn)過(guò)去生成的提示，并可能進(jìn)一步減少提示優(yōu)化所需的樣本數(shù)量。

論文放出大量最優(yōu)提示詞

論文來(lái)自谷歌與DeepMind合并后的部門(mén)，但作者以原谷歌大腦團(tuán)隊(duì)為主，包括Quoc Le、周登勇。

共同一作為康奈爾大學(xué)博士畢業(yè)的復(fù)旦校友Chengrun Yang，和UC伯克利博士畢業(yè)的上交大校友陳昕昀。

團(tuán)隊(duì)還在論文中給出了大量實(shí)驗(yàn)中得到的最優(yōu)提示詞，包括電影推薦、惡搞電影名字等實(shí)用場(chǎng)景，有需要的小伙伴可自取。

論文地址：
https://arxiv.org/abs/2309.03409

參考鏈接：
[1]https://x.com/emollick/status/1700207590607552740