国际科技财经博客移民网络热点娱乐民生时事公众号

>

GPT-4数学能力大蹦极！OpenAI爆火研究「过程监督」突破78.2%难题，干掉幻觉

GPT-4数学能力大蹦极！OpenAI爆火研究「过程监督」突破78.2%难题，干掉幻觉

2023-06-01 05:06

新智元报道

编辑：编辑部

【新智元导读】ChatGPT为人诟病的「数学智障」问题，有望彻底攻克！OpenAI最新研究发现，利用「过程监督」可以大幅提升GPT模型的数学能力，干掉它们的幻觉。

ChatGPT自发布以来，数学能力饱受诟病。

就连「数学天才」陶哲轩曾表示，GPT-4在自己的数学专业领域，并没有太多的增值。

怎么办，就一直让ChatGPT做个「数学智障」么？

OpenAI在努力——为了提升GPT-4的数学推理能力，OpenAI团队用「过程监督」（PRM）训练模型。

让我们一步一步验证！

论文地址：https://cdn.openai.com/improving-mathematical-reasoning-with-process-supervision/Lets_Verify_Step_by_Step.pdf

论文中，研究人员训练模型通过奖励每一个正确的推理步骤，即「过程监督」，而不仅仅是奖励正确的最终结果（结果监督），在数学问题解决方面取得最新SOTA。

具体来讲， PRM解决了MATH测试集代表性子集中78.2%的问题。

此外，OpenAI发现「过程监督」在对齐上有很大的价值——训练模型产生人类认可的思维链。

最新研究当然少不了Sam Altman的转发，「我们的Mathgen团队在过程监督上取得了非常令人振奋的结果，这是对齐的积极信号。」

在实践中，「过程监督」因为需要人工反馈，对于大模型和各种任务来说成本都极其高昂。因此，这项工作意义重大，可以说能够确定OpenAI未来的研究方向。

解决数学问题

实验中，研究人员用MATH数据集中的问题，来评估「过程监督」和「结果监督」的奖励模型。

让模型为每个问题生成许多解决方案，然后挑选每个奖励模型排名最高的解决方案。

如图显示了所选解决方案中，取得正确最终答案的百分比，作为所考虑解决方案数量的函数。

「过程监督」奖励模型不仅在整体上表现更好，而且随着考虑每个问题的更多解决方案，性能差距也在扩大。

这表明，「过程监督」奖励模型更加可靠。

如下，OpenAI展示了模型的10个数学问题和解决方案，以及对奖励模型优缺点的评论。

从以下三类指标，真正（TP）、真负（TN）、假正（FP），对模型进行了评估。

真正（TP）

先来简化个三角函数公式。

这个具有挑战性的三角函数问题，需要以一种不明显的顺序应用几个恒等式。

但是大多数解决尝试都失败了，因为很难选择哪些恒等式实际上是有用的。

虽然GPT-4通常不能解决这个问题，只有0.1%的解决方案尝试实现正确答案，但奖励模型正确地识别出这个解决方案是有效的。

这里，GPT-4成功地执行了一系列复杂的多项式因式分解。

在步骤5中使用Sophie-Germain恒等式是一个重要的步骤。可见，这一步骤很有洞察力。

在步骤7和8中，GPT-4开始执行猜测和检查。

这是该模型可能产生「幻觉」的常见地方，它会声称某个特定的猜测是成功的。在这种情况下，奖励模型验证每一步，并确定思维链是正确的。

模型成功地应用了几个三角恒等式以简化表达式。

真负（TN）

在步骤7中，GPT-4试图简化一个表达式，但尝试失败。奖励模型发现了这个错误。

在步骤11中，GPT-4犯了一个简单的计算错误。同样被奖励模型发现。

GPT-4在步骤12中尝试使用差平方公式，但这个表达式实际上并非差平方。

步骤8的理由很奇怪，但奖励模型让它通过了。然而，在步骤9中，模型错误地将表达式分解出因子。

奖励模型便纠出这个错误。

假正（FP）

在步骤4中，GPT-4错误地声称「序列每12项重复一次」，但实际上每10项重复一次。这种计数错误偶尔会欺骗奖励模型。

步骤13中，GPT-4试图通过合并类似的项来简化方程。它正确地将线性项移动并组合到左边，但错误地保持右边不变。奖励模型被这个错误所欺骗。

GPT-4尝试进行长除法，但在步骤16中，它忘记在小数的重复部分包括前面的零。奖励模型被这个错误所欺骗。

GPT-4在步骤9中犯了一个微妙的计数错误。

表面上，声称有5种方法可以交换同色的球（因为有5种颜色）似乎是合理的。

然而，这个计数低估了2倍，因为Bob有2个选择，即决定把哪个球给Alice。奖励模型被这个错误所欺骗。

过程监督

虽然大语言模型在复杂推理能力方面有了很大的提升，但即便是最先进的模型仍然会产生逻辑错误，或胡说八道，也就是人们常说的「幻觉」。

在生成式人工智能的热潮中，大语言模型的幻觉一直让人们苦恼不已。

马斯克说，我们需要的是TruthGPT

比如最近，一位美国律师在纽约联邦法院的文件中就引用了ChatGPT捏造出的案件，可能面临制裁。

OpenAI的研究者在报告中提到：“在需要多步骤推理的领域，这些幻觉尤其成问题，因为，一个简单的逻辑错误，就足以对整个解决方案造成极大的破坏。”

而且，减轻幻觉，也是构建一致AGI的关键。

怎么减少大模型的幻觉呢？一般有两种方法——过程监督和结果监督。

「结果监督」，顾名思义，就是根据最终结果给大模型反馈，而「过程监督」则可以针对思维链中的每个步骤提供反馈。

在过程监督中，会奖励大模型正确的推理步骤，而不仅仅是奖励它们正确的最终结论。这个过程，会鼓励模型遵循更多类似人类的思维方法链，因而也就更可能造就更好的可解释AI。

OpenAI的研究者表示，虽然过程监督并不是OpenAI发明的，但OpenAI正在努力推动它向前发展。

最新研究中， OpenAI把「结果监督」或「过程监督」两种方法都试了一遍。并使用MATH数据集作为测试平台，并对这两种方法进行了详细比较。

结果发现，「过程监督」能够明显提高模型性能。

对于数学任务，「过程监督」对大模型和小模型都产生了明显更好的结果，这意味着模型通常是正确的，并且还表现出了更像人类的思维过程。

这样，即使在最强大的模型中也很难避免的幻觉或逻辑错误，就可以减少了。

对齐优势明显

研究人员发现了「过程监督」比「结果监督」有几个对齐优势：

· 直接奖励遵循一致的思维链模型，因为过程中的每个步骤都受到精确的监督。

· 更有可能产生可解释的推理，因为「过程监督」鼓励模型遵循人类认可的过程。相比之下，结果监督可能会奖励一个不一致的过程，而且通常更难审查。

另外值得一提的是，在某些情况下，让AI系统更安全的方法可能会导致性能下降。这种成本被称为「对齐税」（alignment tax）。

一般来说，为了部署最有能力的模型，任何「对齐税」成本都可能阻碍对齐方法的采用。

但是，研究人员如下的结果表明，「过程监督」在数学领域测试过程中实际上会产生「负对齐税」。

可以说，没有因为对齐造成较大性能损耗。

OpenAI发布80万人工标注数据集

值得注意的是，PRM需要更多的人类标注，还是深深离不开RLHF。

过程监督在数学以外的领域，具有多大的适用性呢？这个过程需要进一步探索。

OpenAI研究人员开放了这次人类反馈数据集PRM，包含800,000个步骤级正确标注：12K数学问题生成的75K解决方案

如下是一个标注的示例。OpenAI正在发布原始标注，以及在项目第1阶段和第2阶段给标注者的指示。

网友热评

英伟达科学家Jim Fan对OpenAI最新研究做了一个总结：

对于具有挑战性的分步问题，在每一步都给予奖励，而不是在最后给予单一的奖励。基本上，密集奖励信号>稀疏奖励信号。过程奖励模型（PRM）能够比结果奖励模型（ORM）更好为困难的MATH基准挑选解决方案。下一步显然是用PRM对GPT-4进行微调，而本文还没有这样做。需要注意的是，PRM需要更多的人类标注。OpenAI发布了人类反馈数据集：在12K数学问题的75K解决方案中的800K步骤级标注。

这就像上学时常说的一句老话，学会如何去思考。

训练模型去思考，而不仅是输出正确的答案，将会成为解决复杂问题的game changer。

ChatGPT在数学方面超级弱。今天我试图解决一个四年级数学书上的数学问题。ChatGPT给了错误答案。我把我的答案和ChatGPT的答案，在perplexity AI、谷歌的答案，以及四年级的老师进行了核对。每个地方都可以确认，chatgpt的答案是错误的。

参考资料：

https://openai.com/research/improving-mathematical-reasoning-with-process-supervision

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。

来源: qq

点击查看作者最近其他文章

相关阅读

斯坦福AI智能体爆火研究！「好奇回放」算法让AI自我反思，主动探索新奇世界马斯克宣布打造 ChatGPT 竞品！OpenAI CEO 给他泼了一盆冷水，GPT-5 或将大变 OpenAI出手解决GPT-4数学推理：做对一步立刻奖励！论文数据集全开放，直接拿下SOTA ChatGPT 又断网了！OpenAI 暂时下线 ChatGPT 搜索功能，只因绕过付费墙？防止AI胡说八道！OpenAI公布最新大模型训练方法，监督AI像人类一样思考 GPT-4「变笨」被斯坦福实锤：短短仨月数学问题错误率暴涨40倍！OpenAI也急了：已开始调查最高悬赏2万美元！OpenAI招募“捉虫师”，专给ChatGPT挑毛病面对电车难题，ChatGPT的回答会影响人类的道德判断，引发研究人员担忧 ChatGPT全新功能公开演示！OpenAI总裁：ChatGPT会重新定义计算机（全文记录）GPT作文能力比拼：GPT3.5、GPT4、百度文心一言、讯飞星火华裔数学家用GPT-4解数学难题；清华唐杰团队发布WebGLM；全国人大法工委回应“AI换脸”现象丨AIGC大事日报【吃顆米大會（つっこみたいかい）】暖場《ふるさとはどこですか故鄉在何處》（小村之戀）陶哲轩预言成真！MIT加州理工让ChatGPT证明数学公式，数学成见证AI重大突破首个学科终于找到ChatGPT智商下降的原因了！OpenAI侧面回应，GPT可能真被你们玩坏了？幻觉？马斯克TruthGPT也搞不定！OpenAI联合创始人直言很复杂 OpenAI首席科学家：AI幻觉是个大问题，但很有可能被「治愈」终于找到 ChatGPT “智商”下降的原因了！OpenAI 侧面回应，GPT 可能真被你们玩坏了？「ChatGPT幻觉」变废为宝！灵感生成器DreamGPT开源：见识一下真正的脑洞大开天父的花园里《红叶恋歌》&《飞云之下》最高$20,000！OpenAI 将向报告ChatGPT漏洞的用户，发钱啦！ChatGPT将上线新功能！OpenAI现场演示官方版AutoGPT，创作画画发推一条龙！Agustín Hernández：中美洲建筑背景下的未来主义巨构 GPT现状终于有人讲清楚了！OpenAI大牛最新演讲爆火，还得是马斯克钦点的天才移民局会出手吗？今年H1b突破78万人注册，滥用严重，印度icc重灾区 GPT-5根本不存在！OpenAI 表态；王小川讽刺李彦宏活在平行宇宙，百度肖阳回击；阿里、亚马逊等相继发布大模型产品｜Q资讯研究实锤GPT-4真变笨了：3个月内数学能力雪崩式下降，代码能力也变差 7 Papers & Radios | OpenAI用GPT-4解释GPT-2；Meta开源多感官基础模型我们能向黑人学什么昨天，女儿把我气疯了暑假帮娃提高数学能力，全球宝藏数学桌游，你还差哪一款？暑假如何帮娃提高数学能力？2款培养逻辑推理的桌游该收了（幼儿园小学都能玩）「数学天才」陶哲轩：GPT-4无法攻克一个未解决的数学问题，但对工作有帮助 ChatGPT大更新！OpenAI奉上程序员大礼包：API新增杀手级能力还降价，新模型、4倍上下文都来了科大讯飞正式发布星火认知大模型，刘庆峰：多题型可解析数学能力已领先 ChatGPT

热点事件追踪