AI?與小學(xué)生的做題之戰(zhàn)，孰勝孰敗？
[導(dǎo)讀]編譯|禾木木出品|?AI科技大本營（ID:rgznai100）現(xiàn)在小學(xué)生的數(shù)學(xué)題不能用簡單來形容，有的時候家長拿到題也需要思考半天，看看是否有其他隱含的解題方法。市面上更是各種拍題搜答案的軟件，也是一樣的套路，隱含著各種氪金的信息。就像網(wǎng)絡(luò)上說的“不寫作業(yè)母慈子孝，一寫作業(yè)雞飛狗...
編譯 | 禾木木出品 | AI科技大本營（ID:rgznai100）現(xiàn)在小學(xué)生的數(shù)學(xué)題不能用簡單來形容，有的時候家長拿到題也需要思考半天，看看是否有其他隱含的解題方法。市面上更是各種拍題搜答案的軟件，也是一樣的套路，隱含著各種氪金的信息。就像網(wǎng)絡(luò)上說的“不寫作業(yè)母慈子孝，一寫作業(yè)雞飛狗跳”。近日，OpenAI 訓(xùn)練了一個新系統(tǒng)，可以解決小學(xué)數(shù)學(xué)題，大大提升了 GPT-3 的邏輯推理問題。新系統(tǒng)可以解決小學(xué)數(shù)學(xué)問題，60 億參數(shù)的 GPT-3 采用“新方法”，準(zhǔn)確率直接翻倍！甚至追平了擁有 1750 億參數(shù)，采用微調(diào)方法的 GPT-3 模型。還有一項重要的結(jié)果是，一個9-12歲的小學(xué)生在測試中得分為60分，采用新方法的GPT-3在同樣的問題上可以拿到55分，已經(jīng)達到了小學(xué)生90%左右的水平！
假設(shè)一個對數(shù)線性趨勢，當(dāng)使用完整的 GSM8K 訓(xùn)練集時，需要具有 10^16 個參數(shù)的模型才能達到 80% 的求解率。盡管如此，175B 模型似乎需要至少兩個額外數(shù)量級的訓(xùn)練數(shù)據(jù)才能達到 80% 的求解率。在下圖中，OpenAI 展示了 6B 模型測試性能在 100 個訓(xùn)練 epoch 的過程中如何變化。
GSM8K 數(shù)據(jù)集
OpenAI 基于四個設(shè)計原則創(chuàng)建了 GSM8K 數(shù)據(jù)集：高質(zhì)量、高多樣性、中等難度和自然語言解決方案。- 高質(zhì)量：GSM8K中的問題都是人工設(shè)計的，避免了錯誤問題的出現(xiàn)。
- 高多樣性：GSM8K中的問題都被設(shè)計得相對獨特，避免了來自相同語言模板或僅在表面細(xì)節(jié)上有差異的問題。
- 中等難度：GSM8K中的問題分布對大型SOTA語言模型是有挑戰(zhàn)的，但又不是完全難以解決的。這些問題不需要超出早期代數(shù)水平的概念，而且絕大多數(shù)問題都可以在不明確定義變量的情況下得到解決。
- 自然語言解決方案：GSM8K中的解決方案是以自然語言而不是純數(shù)學(xué)表達式的形式編寫的。模型由此生成的解決方案也可以更容易被人理解。此外，OpenAI也期望它能闡明大型語言模型內(nèi)部獨白的特性。
175B Fine-tuning：錯誤6B Verification：正確6B Fine-tuning：錯誤很明顯，驗證方法比基線方法（微調(diào)）在回答數(shù)學(xué)題有了很大的提升。對于這兩種方法，OpenAI 使用 GPT-3 系列模型作為初始化，主要關(guān)注 175B 和 6B 大小的模型。175B 模型最大，產(chǎn)生的結(jié)果最令引人矚目，而 6B 模型更易于實現(xiàn)研究目。
結(jié)論
通過 OpenAI 所展現(xiàn)出的數(shù)學(xué)實例可以看出，使用驗證方法比單純擴大參數(shù)要更加智能，但缺點是并不穩(wěn)定。現(xiàn)下，通過在一些簡單的領(lǐng)域試驗新路徑，識別和避免機器學(xué)習(xí)的錯誤是推動模型發(fā)展的關(guān)鍵方法，比如簡單的小學(xué)數(shù)學(xué)題。最終當(dāng)我們試圖將模型應(yīng)用到邏輯上更復(fù)雜的領(lǐng)域時，那些不被了解的技能將變得越來越透明。參考鏈接：https://openai.com/blog/grade-school-math/
下載文檔
