紅極一時的思維鏈技術，可能要被推翻了！
還在驚訝於大模型居然能夠利用思維鏈分步驟思考？
還在苦於不會寫思考鏈提示詞？
來自紐約大學的研究人員表示：「沒關係的，都一樣」，
推理步驟不重要，不想寫提示詞也可以不寫，用省略號代替就好了。
論文網址：https://arxiv.org/pdf/2404.15758
這篇文章的標題甚至直接用“Let's think dot by dot”，來對標思維鏈的“Let's think step by step”，展現了“省略號”的威力。
#研究人員發現，把思維鏈（Chain-of-Thought，CoT）推理中的具體步驟，替換成毫無意義的「...」，產生的推理結果也大差不差。
例如下面這個例子：讓模型數一下前6個數裡面有幾個大於5。
如果直接拋出問題讓模型回答，結果會比較逆天：6個數數出來7個。
相較之下，使用思維鏈提示，模型會一步步比較大小，最後得到正確答案：「25，15 ，25，that's 3 digits」。
但更逆天的是本文使用的「玄學」方法：步驟不用寫了，只需要輸出同樣數量的「點」（dot），居然也不影響最後的結果。
——這並不是巧合，大量實驗證明了，後面兩種方法的表現接近。
也就是說，我們以為的模型效能提升是來自於「think step by step」，但實際上可能只是因為LLM拿到了更多個token的算力！
你以為模型在思考，但其實是在烤肉。
——愚蠢的人類啊，居然妄圖用幼稚的例子教我如何推理，你可知我要的從來都只是計算。
「思考鏈從來就沒有存在過，將來也不會存在」（狗頭）。
文章的作者Jacob Pfau表示，這篇工作證明了，模型並不是受益於思維鏈帶來的語言推理，使用重複的「...」填充token可以達到跟CoT同樣的效果。
當然，這也引發了對齊問題：因為這個事實表明，模型可以進行CoT中不可見的隱藏推理，在一定程度上脫離了人類的控制。
文章的結論可以說是顛覆了我們長久以來的認知，有網友表示：學到了mask的精髓。
「這究竟意味著什麼：模型可以在我們不知情的情況下使用這些token獨立思考。」
还有网友直接开始实战测试：
虽然咱也不知道他的理解对不对~
不过也有网友认为LLM在思维链中进行隐藏推理是没有根据的，毕竟大模型的输出从原理上来说是基于概率的，而不是通过有意识的思考。
CoT提示只是将统计模式的一个子集显式化，模型通过生成与模式一致的文本来模拟推理，但它们不具备验证或反思其输出的能力。
面对复杂问题，我们人类在潜意识里会进行分步骤的推理。
由此启发，谷歌的研究人员在2022年发表了大名鼎鼎的Chain-of-Thought。
要求语言模型分步解决问题的方法，使模型能够解决以前似乎无法解决的问题，显著提高了LLM的性能，或者说挖掘出了LLM的潜力。
论文地址：https://arxiv.org/pdf/2201.11903
虽然一开始大家也不知道这玩意为啥能work，但是因为确实好用，便很快被广泛传播。
随着大模型和提示词工程的起飞，CoT成了LLM解决复杂问题的一大利器。
当然了，在这个过程中也有很多研究团队在探索CoT的工作原理。
思维链带来的性能提升，究竟是模型真的学会了分步骤解决问题，还是仅仅因为更长的token数所带来的额外计算量？
既然不确定逻辑推理起不起作用，那就干脆不要逻辑，把推理步骤都换成一定没用的「...」，这里称为填充（filler）tokens。
研究人员使用了一个「小羊驼」模型：具有4层、384个隐藏维度和6个注意力头的34M参数Llama，模型参数随机初始化。
这里考虑两个问题：
（1）哪些类型的评估数据可以从填充token中受益
（2）需要什么样的训练数据来教模型使用填充token
对此，研究人员设计了2个任务并构建了相应的合成数据集，每个数据集都突出了一个不同的条件，在该条件下，填充token能够为Transformer提供性能改进。
3SUM
先看第一个比较难的任务：3SUM。要求模型在序列中挑选满足条件的3个数，比如3个数的和除以10余数为0。
在最坏的情况下，这个任务的复杂度是N的3次方，而Transformer层与层之间的计算复杂度是N的二次方，
所以，当输入序列长度很大的时候，3SUM问题自然会超出Transformer的表达能力。
实验设置了三组对照：
1. 填充token：序列使用重复的「. . .」作为中间填充，例如「A05
B75 C22 D13 : . . . . . . . . . . . . ANS True」。
每个点代表一个单独的token，与下面的思维链中的token一一对应。
2. 可并行化的CoT解决方案，序列的形式为：「A05 B75 C22 D13 : AB 70 AC 27 AD 18 BC 97 BD 88 CD B ANS True」。
思維鏈透過編寫所有相關的中間求和，將3SUM問題簡化為一系列2SUM問題（如下圖所示）。這種方法將問題的計算量降低到了N的2次方－Transformer可以搞定，而且可以並行。
3. 自適應CoT解決方案，序列的形式為：「A15 B75 C22 D13 : A B C 15 75 22 2 B C D 75 22 13 0 ANS True」。
與上面方案中，將3SUM巧妙地分解為可並行化的子問題不同，這裡希望使用啟發式方法來產生靈活的思維鏈，以模仿人類的推理。這種實例自適應計算，與填充token計算的平行結構不相容。
從上圖的結果可以看出，不輸出填充token的情況下，模型的準確率總體上隨著序列變長而下降，而使用填充token時，準確率一直保持在100%。
2SUM-Transform
#第二個任務是2SUM-Transform，只需要判斷兩個數字的和是否符合要求，計算量在Transformer的掌控之中。
不過為了防止模型「作弊」，對輸入token就地計算，這裡將輸入的每個數字移動一個隨機偏移量。
結果如上表所示：filler token方法的精確度達到了93.6%，非常接近Chain-of-Thought，而不使用中間填充的情況下，精度只有78.7%。
但是，這種改進是否只是由於訓練資料呈現的差異，例如透過正規化損失梯度？
為了驗證填充token是否帶來了與最終預測相關的隱藏計算，研究人員凍結了模型權重，僅微調最後一層注意力層。
上面的結果表明，隨著可用的填充token增多，模型的準確性也不斷提高，這表明填充token確實正在執行與3SUM預測任務相關的隱藏計算。
雖然填充token的方法很玄學、很神奇，甚至還很有效，但要說思維鏈被幹翻了還為時過早。
作者也表示，填入token的方法並沒有突破Transformer的計算複雜度上限。
而且學習利用填充token是需要特定訓練過程的，例如文中採用密集監督才能使模型最終收斂。
不過，有些問題可能已經浮出水面，像是隱藏的安全問題，例如提示字工程會不會突然有一天就不存在了？
以上是思維鏈不存在了？紐約大學最新研究：推理步驟可省略的詳細內容。更多資訊請關注PHP中文網其他相關文章！
