這是美國東北大學聯合MIT發表的最新論文中的方法：Reflexion。
本文經AI新媒體量子位元（公眾號ID:QbitAI）授權轉載，轉載請聯絡來源。
GPT-4再度進化！
加上簡單方法，就能讓GPT-4這類大語言模型學會自我反思，表現直接提升30%。
在此之前，大語言模型回答出錯，經常是二話不說，直接先道歉，然後emmmmmm，繼續亂猜。
現在，它不會這樣了，有了新方法的加成，GPT-4不僅會反思自己哪裡錯了，還會給出改進策略。
比如說它會自動分析為什麼「陷入循環」：
#或說反思自己有缺陷的搜尋策略：
#這是美國東北大學聯合MIT發表的最新論文中的方法：Reflexion。
不僅適用於GPT-4，也適用於其他大語言模型，讓它們學會人類特有的反思能力。
目前論文已經發表在預印平台arxiv。
這把直接讓網友直呼「AI進化的速度已經超過我們適應的能力了，我們要被毀滅了。」
甚至有網友為開發人員發來「飯碗警告」：
用這種方法寫程式碼的時薪是比一般開發人員便宜的。
正如網友所言，Reflexion賦予GPT-4的反思能力和人類的思考過程差不多：
可以簡單地用兩個字來概括：回饋。
在這個回饋過程中，又可以分成三大步：
在第一步評估的過程中，首先要經歷的是LLM（大語言模型）的自我評估。
也就是說LLM在還沒有外在回饋時，首先要自己對答案進行反思。
那如何進行自我反思？
研究團隊使用了一個二元獎勵機制，為LLM在目前狀態下執行的操作賦值：
1代表產生的結果OK，0則表示產生的結果不太行。
而之所以採用二元而非多值或連續輸出這類更具描述性的獎勵機制，原因和沒有外部輸入有關。
要在沒有外在回饋的條件下進行自我反思，必須將答案限制在二元狀態下，只有這樣，才能迫使LLM做出有意義的推論。
在自我評估結束之後，若二元獎勵機制輸出為1，則不啟動自我反思裝置，若為0，LLM則會開啟反思模式。
在反思的過程中，模型會觸發一個啟發性函數h（如下），類比人類思考過程，h起到的作用就像是監督一樣。
不過，與人類思考一樣，LLM在反思的過程中同樣也有局限性，這在函數中的Ω和ε中就能體現。
Ω表示重複連續動作的次數，一般會將這個數值設為3，這表示反思過程中若重複一個步驟三次，會直接跳到下一個步驟。
而ε則表示在反思的過程中允許執行的最大操作數量。
既然有監督，那修正也必須執行，修正過程的函數是這樣子的：
失敗軌跡和理想反射對」訓練而來的，並不允許存取資料集中給定問題的特定領域的解決方案。
這樣一來，LLM在反思的過程中便能夠迸發出更多有「創新性」的東西。 反思之後表現提升近30%既然GPT-4這類LLM都能夠進行自我反思了，那具體效果究竟如何？ 研究團隊在ALFWorld和HotpotQA基準上對這種方法進行了評估。 在HotpotQA的100個問答對測試中，使用Reflexion這種方法的LLM顯示出了巨大的優勢，再經過多輪反思重複提問之後，LLM的性能提升了接近30%。 而沒有使用Reflexion，重複問答之後，效能沒有任何變化。
以上是GPT-4寫程式碼能力提升21%！ MIT新方法讓LLM學會反思，網友：和人類的思考方式一樣的詳細內容。更多資訊請關注PHP中文網其他相關文章！
