重复采样魔法:用更多样本击败单次尝试的最强模型

2024-09-07 15:44

本文主要是介绍重复采样魔法:用更多样本击败单次尝试的最强模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

d8ca7864abf7597b7be731a1e867abdf.png

这篇文章探讨了通过增加生成样本的数量来扩展大型语言模型(LLMs)在推理任务中的表现。

研究发现,重复采样可以显著提高模型的覆盖率,特别是在具有自动验证工具的任务中。研究还发现,覆盖率与样本数量之间的关系可以用指数幂律建模,揭示了推理时间的扩展规律。尽管多数投票和奖励模型在样本数量增加时趋于饱和,但在没有自动验证工具的任务中,识别正确样本仍然是一个重要的研究方向。

总体而言,重复采样提供了一种有效的方法来增强较弱模型的能力,并在某些情况下比使用更强大、更昂贵的模型更具成本效益。

论文:Large Language Monkeys: Scaling Inference Compute with Repeated Sampling
链接:https://arxiv.org/pdf/2407.21787

研究背景

  1. 研究问题:这篇文章探讨了如何通过增加生成样本的数量来扩展推理计算,从而提高大型语言模型(LLMs)在推理任务中的表现。具体来说,研究了重复采样作为一种扩展推理计算的方法,以提高模型的覆盖率和精度。

  2. 研究难点:该问题的研究难点包括:如何在有限的预算内提高覆盖率,如何在不具备自动验证工具的任务中识别正确的样本,以及如何在性能和成本之间找到平衡。

  3. 相关工作:相关研究表明,通过扩展训练计算量可以显著提高LLMs的能力。然而,在推理阶段,用户和开发者通常限制模型只进行一次尝试。已有工作表明,重复采样在数学、编程和拼图解决设置中可以提高性能。

研究方法

这篇论文提出了通过重复采样来扩展推理计算,以提高LLMs的性能。具体来说,

  1. 重复采样过程:首先,通过从LLM中采样生成许多候选解决方案。然后,使用领域特定的验证器(例如代码的单位测试)从生成的样本中选择最终答案。bb39dc7d7517f2239c3694362ec36d9c.png

  2. 覆盖率和精度:重复采样的有效性取决于两个关键属性:覆盖率和精度。覆盖率是指通过生成样本能够解决问题的比例;精度是指在需要从多个样本中选择最终答案的情况下,能否识别出正确样本。

  3. 覆盖率的建模:研究发现,覆盖率与样本数量之间的关系通常可以用指数幂律建模,即:

其中,a 和 b 是拟合的模型参数。通过对数变换,最终的模型为:

这表明推理时间的扩展规律可能存在。

cff7dfff20d3e3343e7f7f45db5ee5ce.png

实验设计

  1. 任务和模型:实验涵盖了五个任务:GSM8K、MATH、MiniF2F-MATH、CodeContests和SWE-bench Lite。使用了多个模型家族,包括Llama 3、Gemma和Pythia。

  2. 数据集:GSM8K和MATH是数学单词问题数据集,MiniF2F-MATH是形式化数学问题的数据集,CodeContests是编程竞赛问题数据集,SWE-bench Lite是GitHub实际问题的数据集。

  3. 采样策略:在每个任务中,每个问题生成10,000个独立样本。对于SWE-bench Lite,由于所需的上下文长度超过了Llama 3模型的极限,使用了DeepSeek-V2-Coder-Instruct模型,并限制了每个问题的尝试次数为250次。

  4. 验证工具:在具有自动验证工具的任务中(如Lean证明检查和单元测试),直接使用这些工具来评估覆盖率。在没有自动验证工具的任务中(如GSM8K和MATH),使用多数投票和奖励模型来选择最终答案。

结果与分析

  1. 覆盖率提升:在所有任务中,随着样本数量的增加,覆盖率平滑提升。例如,在使用Gemma-2B模型解决CodeContests问题时,覆盖率从10,000次尝试的0.02%提高到7.1%。7f60a8031d1d6b24b865b7a0f94a2661.png

  2. 模型大小和家族的广泛适用性:重复采样在不同模型大小、家族和训练水平上均表现出覆盖率提升。较小的模型在应用重复采样时显示出更显著的覆盖率提升。e75081f31e2b7eb8a5053374d7cfbdcf.png

  3. 性能和成本平衡:通过重复采样,较弱的模型可以在成本和性能之间取得更好的平衡。例如,使用DeepSeek-V2-Coder-Instruct模型进行SWE-bench Lite问题的重复采样,比使用GPT-4o或Claude 3.5 Sonnet模型单次尝试更经济高效。be24e2477b14009a7cd96004cb84e383.png

  4. 验证方法的局限性:在GSM8K和MATH任务中,多数投票和奖励模型在样本数量超过100后趋于饱和,未能完全随样本预算扩展。5d6c38b4056382098e1e6904e43992e8.png

总体结论

这篇论文展示了通过重复采样扩展推理计算可以显著提高LLMs的性能,特别是在具有自动验证工具的任务中。研究结果表明,覆盖率与样本数量之间的关系可以用指数幂律建模,不同模型家族内的覆盖率曲线具有相似的形状。此外,尽管多数投票和奖励模型在样本数量增加时趋于饱和,但在没有自动验证工具的任务中,识别正确样本仍然是一个重要的研究方向。总体而言,重复采样提供了一种有效的方法来增强较弱模型的能力,并在某些情况下比使用更强大、更昂贵的模型更具成本效益。

AI辅助人工完成。


备注:昵称-学校/公司-方向/会议(eg.ACL),进入技术/投稿群

45b279bb5416c2bdce25927950708827.png

id:DLNLPer,记得备注呦

这篇关于重复采样魔法:用更多样本击败单次尝试的最强模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1145473

相关文章

Java的IO模型、Netty原理解析

《Java的IO模型、Netty原理解析》Java的I/O是以流的方式进行数据输入输出的,Java的类库涉及很多领域的IO内容:标准的输入输出,文件的操作、网络上的数据传输流、字符串流、对象流等,这篇... 目录1.什么是IO2.同步与异步、阻塞与非阻塞3.三种IO模型BIO(blocking I/O)NI

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

C++原地删除有序数组重复项的N种方法

《C++原地删除有序数组重复项的N种方法》给定一个排序数组,你需要在原地删除重复出现的元素,使得每个元素只出现一次,返回移除后数组的新长度,不要使用额外的数组空间,你必须在原地修改输入数组并在使用O(... 目录一、问题二、问题分析三、算法实现四、问题变体:最多保留两次五、分析和代码实现5.1、问题分析5.

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

SpringBoot快速接入OpenAI大模型的方法(JDK8)

《SpringBoot快速接入OpenAI大模型的方法(JDK8)》本文介绍了如何使用AI4J快速接入OpenAI大模型,并展示了如何实现流式与非流式的输出,以及对函数调用的使用,AI4J支持JDK8... 目录使用AI4J快速接入OpenAI大模型介绍AI4J-github快速使用创建SpringBoot

CSS3 最强二维布局系统之Grid 网格布局

《CSS3最强二维布局系统之Grid网格布局》CS3的Grid网格布局是目前最强的二维布局系统,可以同时对列和行进行处理,将网页划分成一个个网格,可以任意组合不同的网格,做出各种各样的布局,本文介... 深入学习 css3 目前最强大的布局系统 Grid 网格布局Grid 网格布局的基本认识Grid 网

Rust中的Drop特性之解读自动化资源清理的魔法

《Rust中的Drop特性之解读自动化资源清理的魔法》Rust通过Drop特性实现了自动清理机制,确保资源在对象超出作用域时自动释放,避免了手动管理资源时可能出现的内存泄漏或双重释放问题,智能指针如B... 目录自动清理机制:Rust 的析构函数提前释放资源:std::mem::drop android的妙

0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型的操作流程

《0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeekR1模型的操作流程》DeepSeekR1模型凭借其强大的自然语言处理能力,在未来具有广阔的应用前景,有望在多个领域发... 目录0基础租个硬件玩deepseek,蓝耘元生代智算云|本地部署DeepSeek R1模型,3步搞定一个应

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首