网易首页 > 网易号 > 正文 申请入驻

MetaMath:新数学推理语言模型,训练大模型的逆向思维

0
分享至

机器之心编辑部

复杂数学推理是评价大语言模型推理能力的重要指标,目前常用的数学推理数据集样本量有限且问题多样性不足,导致大语言模型存在 [逆转诅咒] 的现象,即一个训练于「A 是 B」的语言模型无法推广到「B 是 A」[1]。此现象在数学推理任务中的具体形式是:即给定一个数学问题,语言模型擅于用正向推理解答问题但缺乏逆向推理解决问题的能力。逆向推理在数学问题中十分常见,如下 2 个例子。

1. 经典问题 - 鸡兔同笼

  • 正向推理:笼子里有 23 只鸡和 12 只兔,问笼子里有多少个头和多少只脚?
  • 逆向推理:有若干只鸡兔同在一个笼子里,从上面数,有 35 个头,从下面数,有 94 只脚。问笼中各有多少只鸡和兔?

2. GSM8K 问题

  • 正向推理: James buys 5 packs of beef that are 4 pounds each. The price of beef is $5.50 per pound. How much did he pay?
  • 逆向推理: James buys x packs of beef that are 4 pounds each. The price of beef is $5.50 per pound. How much did he pay? If we know the answer to the above question is 110, what is the value of unknown variable x?

为了提升模型的正向和逆向推理能力,剑桥、港科大、华为的研究者基于两个常用的数学数据集(GSM8K 和 MATH)提出了 MetaMathQA 数据集:一个覆盖面广、质量高的数学推理数据集。MetaMathQA 由 395K 个大语言模型生成的正向逆向数学问答对组成。他们在 MetaMathQA 数据集上基于 LLaMA-2 微调得到专注于数学推理 (正向和逆向) 的大语言模型 MetaMath,在数学推理数据集上达到了 SOTA。MetaMathQA 数据集和不同规模的 MetaMath 模型已开源供研究人员使用。

  • 项目地址:https://meta-math.github.io/
  • 论文地址:https://arxiv.org/abs/2309.12284
  • 数据地址:https://huggingface.co/datasets/meta-math/MetaMathQA
  • 模型地址:https://huggingface.co/meta-math
  • 代码地址:https://github.com/meta-math/MetaMath

本文中构造了一个逆向推理数据集 GSM8K-Backward。实验结果表明,目前的方法(e.g., SFT、RFT、WizardMath)在逆向推理问题中表现远差于正向推理。相较而言,MetaMath 模型在正向和反向推理上都取得了优越的性能。

方法

MetaMathQA 包含四种数据增强的方法:

1. Answer Augmentation (答案增强):给定问题,通过大语言模型生成能得到正确结果的思维链作为数据增广。

  • Question: James buys 5 packs of beef that are 4 pounds each. The price of beef is $5.50 per pound. How much did he pay?
  • Answer: James buys 5 packs of beef that are 4 pounds each, so he buys a total of 5 * 4 = 20 pounds of beef. The price of beef is $5.50 per pound, so he pays 20 * $5.50 = $110. The answer is: 110.

2. Rephrasing Question (问题改写增强):给定元问题,通过大语言模型重写问题并生成得到正确结果的思维链作为数据增广。

  • Question: What is the total amount that James paid when he purchased 5 packs of beef, each weighing 4 pounds, at a price of $5.50 per pound?
  • Answer: Each pack of beef weighs 4 pounds, so 5 packs weigh 4 * 5 = 20 pounds in total. The price per pound of beef is $5.50, so the total cost for 20 pounds is 20 * $5.50 = $110. Therefore, James paid a total of $110. The answer is: 110.

3. FOBAR Question (FOBAR 逆向问题增强):给定元问题,通过掩码条件中的数字为 x,给定原有答案并反推 x 来产生逆向问题,并基于该逆向问题生成正确的思维链过程来进行数据增广(反推样例:“If we know the answer to the above question is 110, what is the value of unknown variable x?”)。

  • Question: James buys x packs of beef that are 4 pounds each. The price of beef is $5.50 per pound. How much did he pay? If we know the answer to the above question is 110, what is the value of unknown variable x?
  • Answer: James buys x packs of beef that are 4 pounds each, so he buys a total of 4x pounds of beef. The price of beef is $5.50 per pound, so the total cost of the beef is 5.50 * 4x = 22x. We are given that the total cost is $110, so we can write: 22x = 110. Dividing both sides by 22, we get: x = 5. The value of x is 5.

4. Self-Verification Question (Self-Verification 逆向问题增强):在 FOBAR 的基础上,通过大语言模型改写逆向问题部分为陈述的语句来进行数据增广(改写样例:“How much did he pay?” (with the answer 110) 被改写成 “He paid 110”)。

  • Question: James buys x packs of beef that are 4 pounds each. The price of beef is $5.50 per pound. He paid 110. What is the value of unknown variable x?
  • Answer: To solve this problem, we need to determine the value of x, which represents the number of packs of beef that James bought. Each pack of beef weighs 4 pounds and costs $5.50 per pound. The total amount James paid is $110. We can set up the equation as follows: Number of packs of beef * Weight per pack * Price per pound = Total amount paid; x * 4 * $5.50 = $110; Let's simplify and solve for x: 4x * $5.50 = $110; 22x = $110; To isolate x, we divide both sides of the equation by 22: 22x / 22 = $110 / 22; x = $5; The value of x is 5.

实验结果

在两个常见数学推理数据集(GSM8K 和 MATH)的实验结果表明,在不借助外部工具(e.g., code interpreter), MetaMath 在性能上显著优于已有开源 LLM 模型。其中,我们的 MetaMath-7B 模型在 GSM8K 上达到了 66.5% 的准确率,在 MATH 上达到了 19.8% 的准确率,超过了相同规模的最先进模型分别 11.6% 和 9.1%。特别地,MetaMath-70B 在 GSM8K 上达到了 82.3% 的准确率,超过 GPT-3.5-Turbo。

根据 Superficial Alignment Hypothesis [2],大语言模型的能力源于预训练,而来自下游任务的数据则激活了预训练期间学习到的语言模型的固有能力。由此产生了两个重要问题:(i)什么类型的数据可以最有效地激活潜在知识,以及(ii)为什么一个数据集在这种激活中比另一个数据集更好?

为什么 MetaMathQA 有用?提高了思维链数据的质量 (Perplexity)

如上图所示,研究者们计算了 LLaMA-2-7B 模型在仅答案数据、GSM8K CoT 以及 MetaMathQA 数据的各部分上的 perplexity。MetaMathQA 各部分的 perplexity 显著低于其他两个数据集,这突显了它固有的易学性,可能更有助于引导出模型的潜在知识。

为什么 MetaMathQA 有用?增加了思维链数据的多样性 (Diversity)

通过比较数据的多样性增益和模型的准确率增益,他们发现 Rephrasing、FOBAR 和 SV 添加相同数量的增广数据带来了明显的多样性增益,显著提升了模型准确率。相比之下,简单地使用答案增强会导致明显的准确率饱和。在准确率饱和之后,增加 AnsAug 数据只会带来有限的性能提升。

参考内容:

[1] Berglund, Lukas, et al. "The Reversal Curse: LLMs trained on “A is B” fail to learn “B is A”." arXiv preprint arXiv:1907.11692 (2023).

[2] Zhou, Chunting, et al. "Lima: Less is more for alignment." arXiv preprint arXiv:2305.11206 (2023).

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
重庆这件事,已经不是践踏公平的问题了

重庆这件事,已经不是践踏公平的问题了

顾礼先生
2024-04-22 15:51:11
三只羊王婉葶离职!网红“小黄”自曝整牙花5万,近况曝光惹人羡

三只羊王婉葶离职!网红“小黄”自曝整牙花5万,近况曝光惹人羡

八卦爱侃娱
2024-04-27 10:33:42
油车命悬一线,宁德时代“超级电池”大规模量产!

油车命悬一线,宁德时代“超级电池”大规模量产!

户外小阿隋
2024-04-26 16:31:38
70投113分,52投83分,季后赛才3场,恩比德和约基奇差距就出来了

70投113分,52投83分,季后赛才3场,恩比德和约基奇差距就出来了

篮坛扒客
2024-04-27 16:45:54
倒扣十年费用!重庆、成都燃气问题冲上高潮,幕后老板是五大巨头

倒扣十年费用!重庆、成都燃气问题冲上高潮,幕后老板是五大巨头

童童聊娱乐啊
2024-04-27 10:03:50
富人,被割了

富人,被割了

子木聊房啊
2024-04-25 18:24:25
他30多年前判断:只要东西方经济水平被追平,美西方就将管制意识形态

他30多年前判断:只要东西方经济水平被追平,美西方就将管制意识形态

可达鸭面面观
2024-04-25 21:10:35
以后怎么嫁人?六年级小女孩身高1.74米,妈妈愁得不行:别再长了

以后怎么嫁人?六年级小女孩身高1.74米,妈妈愁得不行:别再长了

唐小糖说情感
2024-04-22 12:42:32
羽坛名将李宗伟:36岁患癌喉咙全烂,花1000万续命,结果如何?

羽坛名将李宗伟:36岁患癌喉咙全烂,花1000万续命,结果如何?

南风西洲
2024-04-25 22:14:06
看一眼,就很上头?新款广汽传祺M6MAX申报信息曝光

看一眼,就很上头?新款广汽传祺M6MAX申报信息曝光

周口广电融媒
2024-04-22 12:08:10
油价“跌翻天”!4月27日:调价后92号汽油价格,猪价如何?

油价“跌翻天”!4月27日:调价后92号汽油价格,猪价如何?

猪友巴巴
2024-04-26 14:23:15
朱迅,董卿,周涛对比后,瞬间就能看出谁才是真正的纯天然美!

朱迅,董卿,周涛对比后,瞬间就能看出谁才是真正的纯天然美!

娱乐八卦木木子
2024-04-27 16:35:33
文盲前国脚赵明剑:我小学没读完都不识字,我只会写自己名字

文盲前国脚赵明剑:我小学没读完都不识字,我只会写自己名字

直播吧
2024-04-26 20:19:47
海军节已过,福建舰无出港海试迹象,德专家:福建舰发动机已启动

海军节已过,福建舰无出港海试迹象,德专家:福建舰发动机已启动

啸鹰评
2024-04-26 23:10:45
巨富赵志勇执行死刑,细节曝光,行刑前戴镣铐含泪与妻子告别

巨富赵志勇执行死刑,细节曝光,行刑前戴镣铐含泪与妻子告别

一个人讲故事
2023-12-14 18:09:08
防火防盗防闺蜜!浙江女子想复婚,来前夫家看娃,下一秒不淡定了

防火防盗防闺蜜!浙江女子想复婚,来前夫家看娃,下一秒不淡定了

情感舍论汇
2024-04-25 19:49:08
笑喷!孩子超市进大瓶可乐1.5一杯卖给同学,评论区都是商业天才

笑喷!孩子超市进大瓶可乐1.5一杯卖给同学,评论区都是商业天才

兰妮搞笑分享
2024-04-26 03:09:39
“我给你当保姆,你却一晚上折腾我好几次”。保姆不好当

“我给你当保姆,你却一晚上折腾我好几次”。保姆不好当

小兔子爱旅游
2024-04-27 07:55:14
三大消息:南海一夜生变?马科斯突然喊话中国!拜登连任稳了?

三大消息:南海一夜生变?马科斯突然喊话中国!拜登连任稳了?

壹号评论
2024-04-27 09:50:35
《浪姐5》韩雪没实力又迷之自信,何洁反应真实!装都懒得装?

《浪姐5》韩雪没实力又迷之自信,何洁反应真实!装都懒得装?

娱乐圈笔娱君
2024-04-25 14:18:37
2024-04-27 17:24:49
机器之心Pro
机器之心Pro
专业的人工智能媒体
8934文章数 141895关注度
往期回顾 全部

教育要闻

清华大学成立人工智能学院,姚期智任首任院长

头条要闻

19岁女生称被舞蹈老师压断腿致十级伤残 涉事机构回应

头条要闻

19岁女生称被舞蹈老师压断腿致十级伤残 涉事机构回应

体育要闻

时代要落幕了?詹姆斯杜兰特陷0-3绝境

娱乐要闻

金靖回应不官宣恋情结婚的原因

财经要闻

北京房价回到2016年

科技要闻

特斯拉这款车型刚上市几天,就上调价格

汽车要闻

5月上市/智能化丰富 海狮 07EV正式到店

态度原创

教育
亲子
时尚
游戏
军事航空

教育要闻

教育观察:高比例体制内就业,这所大学录取分连涨8年!

亲子要闻

看看这可爱的人类幼崽

70后的女人,推荐你尝试一下“轻熟”穿搭,简约、舒适、优雅

《剑星》开发商谈公司DNA:开玩笑称是臀部

军事要闻

佩洛西称俄在支持"挺巴"的美国反战学生 扎哈罗娃回应

无障碍浏览 进入关怀版