来源：OpenAI

编辑：好困 小咸鱼

还记得上小学时，被「口算天天练」里面的应用题绕晕的阴影吗？

来，试一道！

「小明每半小时喝一瓶水。一个普通的数独难题要花他45分钟。一个极难的数独需要4倍的时间。做一道极难的数独那段时间他喝了多少瓶水？」

不算难吧。

但这回，OpenAI要拿这些应用题去考考自家的当家模型，GPT-3。

成绩很喜人啊！

新方法可以解决小学数学问题，60亿参数的GPT-3采用新方法，准确率直接翻倍，甚至追平了1750亿参数，采用微调方法的GPT-3模型。

在GSM8K训练集上对6B模型进行微调后，当模型被允许进行1次猜测（左）或100次猜测（右）时，回答的正确率

其中，test@N来表示在允许模型对每个问题进行N次单独猜测时，至少正确解决一次问题的百分比。

test@1的性能近似单调递增，而对于test@100来说，当增加epoch的数量时，其性能比test@1的性能下降得更快。

选择一个具有良好覆盖率的模型是成功训练验证器的关键。从经验上看，test@100的性能在最初的几个epoch内达到了顶峰。

此外，在输出最终答案之前，让模型生成完整的自然语言解决方案是很重要的。如果把6B模型调整为直接输出最终答案，而不经过任何中间步骤，性能就会从20.6%急剧下降到5.2%。

让AI拥有「逻辑」的法宝：「验证器」

很明显，「微调」是无法让GPT-3学会逻辑推理的。

那这次，OpenAI是如何让GPT-3拥有「逻辑」的呢？

答案就是一个叫「验证器」的东西。

训练这个验证器（verifier），就是为了使用验证器从许多候选的解决方案中选择出最佳方案。

同时，为了评估「验证器」的表现，OpenAI收集了全新的「GSM8K数据集」并将其开源以方便研究。

6B Verification：错误

6B Fine-tuning：错误

6B Verification：错误

看来，AI做数学题还是道阻且长啊。

你要不要也来尝试一下？

参考资料：

https://openai.com/blog/grade-school-math/

https://arxiv.org/pdf/2110.14168.pdf

花粉社群VIP加油站