AlphaGo核心算法增強(qiáng)，7B模型數(shù)學(xué)能力直逼GPT-4，阿里大模型新研究火了
把AlphaGo的核心算法用在大模型上，“高考”成績直接提升了20多分。
在MATH數(shù)據(jù)集上，甚至讓7B模型得分超過了GPT-4。
一項(xiàng)來自阿里的新研究引發(fā)關(guān)注：
研究人員用蒙特卡洛樹搜索（MCTS）給大語言模型來了把性能增強(qiáng)，無需人工標(biāo)注解題步驟，也能生成高質(zhì)量數(shù)據(jù)，有效提升大模型的數(shù)學(xué)成績。
論文發(fā)布，讓不少網(wǎng)友重新關(guān)注到了蒙特卡洛樹搜索這個(gè)在前大模型時(shí)代的明星算法。
有人直言：
蒙特卡洛樹搜索+LLM是通往超級(jí)智能之路。
因?yàn)椤皹渌阉鞅旧砀咏祟愃季S”。
用蒙特卡洛樹搜索增強(qiáng)大模型
具體來說，阿里的研究人員提出了一種名為AlphaMath的方法，用大語言模型+MCTS來自動(dòng)生成數(shù)學(xué)推理數(shù)據(jù)，并提升大模型在完成數(shù)學(xué)推理任務(wù)時(shí)的性能表現(xiàn)。
嗯，名字就很有蒙特卡洛樹搜索內(nèi)味兒了。
這里有個(gè)前情提要：
思維鏈（CoT）、思維程序（PoT）等方法已經(jīng)被證明能夠有效提高大模型的數(shù)學(xué)能力，但問題在于，它們都需要人類手動(dòng)喂詳細(xì)的解題步驟，即訓(xùn)練當(dāng)中需要用到人工標(biāo)注的高質(zhì)量數(shù)學(xué)推理數(shù)據(jù)。
AlphaMath的一個(gè)核心目的就在于，在這個(gè)步驟中去人工化——數(shù)據(jù)格式就是簡單的數(shù)學(xué)問題-答案對。
AlphaMath的技術(shù)路線主要涵蓋三個(gè)階段：
首先，研究人員收集了一個(gè)數(shù)學(xué)數(shù)據(jù)集，其中包含數(shù)學(xué)問題及其對應(yīng)的正確答案。
然后，利用預(yù)訓(xùn)練的大模型（即策略模型）根據(jù)問題生成初始的解題路徑，并通過MCTS對解題路徑進(jìn)行探索和改進(jìn)，搜索更優(yōu)的解題思路。
在MCTS過程中，同時(shí)訓(xùn)練一個(gè)價(jià)值模型來預(yù)測解題路徑的質(zhì)量，引導(dǎo)搜索方向。
最后，第二階段獲得的數(shù)據(jù)會(huì)被用來優(yōu)化策略模型和價(jià)值模型。
這三個(gè)階段會(huì)通過迭代優(yōu)化地方式執(zhí)行，以實(shí)現(xiàn)無需人工標(biāo)注的自動(dòng)數(shù)據(jù)生成和模型數(shù)學(xué)能力優(yōu)化。
另外，研究人員還基于價(jià)值模型提出了Step-level Beam Search方法，以提高大模型的數(shù)學(xué)推理效率，平衡推理時(shí)的解題質(zhì)量和運(yùn)行時(shí)間。
簡單來說，Step-level Beam Search是將MCTS推理過程做了個(gè)簡化：
- 利用價(jià)值模型對候選路徑進(jìn)行評(píng)估，以更準(zhǔn)確地選擇高質(zhì)量的解題路徑。
- 通過逐步擴(kuò)展和剪枝，在搜索過程中動(dòng)態(tài)調(diào)整候選路徑集合，提高搜索效率。
- 搜索過程中考慮了完整的解題路徑，而不僅僅是局部的下一步動(dòng)作，可以得到更全局優(yōu)化的解題方案。
MATH成績超GPT-4
為了驗(yàn)證AlphaMath的效果，研究人員設(shè)計(jì)了這樣的實(shí)驗(yàn)：
對開源的數(shù)學(xué)大模型DeepSeekMath-Base-7B，用AlphaMath方法進(jìn)行訓(xùn)練，并在GSM8K、MATH和Gaokao2023基準(zhǔn)上，與GPT-4為代表的閉源模型、Llama2為代表的開源模型，以及專門做過數(shù)學(xué)SFT的MathCoder等模型進(jìn)行對比。
結(jié)果顯示，不依賴于人類（或GPT-4）標(biāo)注的高質(zhì)量數(shù)據(jù)，AlphaMath調(diào)教下的7B數(shù)學(xué)大模型，已經(jīng)能在MATH上取得63%的分?jǐn)?shù)，超過了GPT-4原版的42.5%和外掛代碼解釋器版的51.8%。
另外，在執(zhí)行3輪MCTS并訓(xùn)練策略模型和價(jià)值模型的情況下，AlphaMath能讓大模型在涵蓋小學(xué)數(shù)學(xué)題的GSM8K上提升10多分，在MATH和Gaokao2023上提升20多分。
還可以看到，Step-level Beam Search在MATH數(shù)據(jù)集上取得了良好的效率和準(zhǔn)確率平衡。
論文的共同一作是Guoxin Chen、Mingpeng liao、Chengxi Li和Kai Fan。
通訊作者Kai Fan本碩畢業(yè)于北京大學(xué)，2017年從杜克大學(xué)博士畢業(yè)，2018年加入阿里巴巴達(dá)摩院。
論文地址：
???https://arxiv.org/abs/2405.03553??
本文轉(zhuǎn)自 量子位 ，作者：量子位
