随着大语言模型(LLM) 的爆火，社区和学者们逐渐把目光投到LLM的弱点， 比如LLM对大数字数理推断的不足， 或者无法获取预训练数据外的最新数据。为了弥补LLM的不足，近期逐渐兴起了LLM与外界工具 (如搜索引擎，计算器，API接口等）交互的浪潮。ReAct 是目前最常见和通用的增强式语言模型（Augmented LM)范式，它启发于传统强化学习，通过提示词构造“想法”（Thought），“行动”（Action），“观察”（Observation）的思维链， 逐步启发大语言模型根据当前工具的输出产生观察，从而进一步产生下次推理。这种范式被广泛应用在近期爆火的 Auto-GPT 和 LangChain 等项目中。

然而，最近的研究ReWOO (Reasoning WithOut Observation)指出，基于ReAct的增强式语言模型存在普遍的冗杂（Redundancy）问题，从而导致过大的计算开销和过长的词元（Token）使用。相比之下，ReWOO通过模块化解耦（Decouple）大语言模型的“预见性推理”(Foreseeable Reasoning) 和工具的执行，从而实现在HotpotQA等任务上数倍的词元效率(Token Efficiency)， 并且提高了模型表现以及复杂环境下的鲁棒性。

论文题目：

ReWOO: Decoupling Reasoning from Observations for Efficient Augmented Language Models

论文链接:

https://arxiv.org/abs/2305.18323

项目链接：

https://github.com/billxbf/ReWOO

方法概览

增强式语言模型通过鼓励LLM与工具交互来实现信息获取或影响环境，如果把大预言模型比作人类大脑，增强式语言模型就给其提供了手脚。下图（a）展示了当前通用的ReAct范式, 当用户输入任务后，上下文提示词（Context）以及可能的样本（Exemplar）被一起传导进LLM，从而产生一个想法（T) ，行动（A)，然后调用工具产生观察（O) 。由于LLM是无状态的（stateless）， 所有之前的提示词，样本，任务，以及T，A，O历史会被叠加起来输入下一个LLM，从而迭代的产生新推理。一旦推理的步数变大，或者某个步骤中词元很长，就会导致下一次调用LLM时过长的输入词元，以及高度重复带来的额外计算支出。

相比之下， (b) 展示了 ReWOO的设计范式，由一个计划器（Planner）将任务分解成一个调用工具的蓝图，在获得所有工具的输出后，计划（P）和线索（E）被传导到一个解释器（Solver）进行总结并输出。这个过程中没有对工具输出的重复词元提示， 且仅需要调用两次LLM。

下图用一个具体的例子展示了ReWOO范式通过上下文学习，指示计划器生成互相依赖的计划和工具“蓝图”，也是一个有向无环图（DAG）。工具根据蓝图被调用，同时把结果寄存为“线索”（Evidence），最后依靠一个解释器输出最终结果。

实验分析

作者在多个NLP benchmark上对比了ReWOO与ReAct的开销与性能差距，并发现不管是在零样本（0-shot）还是小样本（few-shot）学习的情况下， ReWOO都成倍的缩减了使用的词元开销。另外，与直觉相悖的是，即使没有通过当前的工具观察启发下一步的思考，ReWOO框架下的LLM甚至普遍产生了更高性能表现。作者进一步的案例分析表示，这个原因在于过长的上下文以及可能的工具错误、无关信息给LLM产生了更大的推理负荷，并且容易误导LLM产生错误思考甚至忘记原本任务。

为了验证这个猜想， 当作者让所有的工具输出全部报错，并进一步对比两种范式的表现， 发现即使在这样的极端环境下， ReWOO依然能保持部分的准确性 （因为解释器可以自我回答部分问题）。然而ReAct在这种情况下几乎完全瘫痪而陷入死循环，无法完成仍和一个问题的回答。这侧面展现了ReWOO在复杂真实环境下相对的鲁棒性。

此外，由于工具种类的多样以及输出的不确定性，近期在LLM中被广泛使用的指令微调（Instruction Tuning）在增强式语言模型中很难倾泻（offload）可泛化性的工具使用能力到小模型上。在ReAct中， 指令微调不可避免的会导致小模型“背住”训练集中的工具输出。然而，ReWOO由于将显式的工具输出跟模型的推理步骤分离， 可以因此借由指令微调使其学会具有泛化性的“预见性推理”能力。这个过程被称为“专一化”（Specialization）。作者通过专一化尝试将预见性推理从1750亿参数的GPT3.5 倾泻到 70亿参数的LLaMa上， 并看到了不错的效果。由于篇幅原因，这里不进一步讨论，有兴趣的小伙伴可阅读原文。此外所有实验用到的模型，参数和数据都在Github中开源。

总结

这篇工作开创新的提出了一种新范式，从而高效的解决了增强式语言模型中计算复杂度高，部署困难且昂贵的问题。其部分的理论依据在于通过庞大的预训练，LLM对于绝大对数工具的输出有一定的“模糊预期”，比如使用Google搜索“Elon Musk Age” 会获得与他年龄相关的结果，从而可以提取出他现在的“年龄”，而这个年龄可以被用来放入一个计算器来运算。因此，这样的预见性推理可以被加以利用，从而减少迭代式的逐步推理产生的冗杂性。这个优势在多步复杂问题中（Multi-hop Tasks) 尤其突出。

另外，作者在文中对于增强式语言模型的上下文学习（ICL）以及工具的泛化性分析也是值得思考的。在Future Work中，作者提到了一种结合线性思考和图思考的模块化解决方案，或许给未来可部署的轻量级增强模型指出了方向。

扫描二维码添加小助手微信