大語言模型的「逆轉(zhuǎn)詛咒」，被解開了！

這個詛咒在去年9月首次被發(fā)現(xiàn)，一時間引起LeCun、Karpathy、馬庫斯等一眾大佬的驚呼。

因為風(fēng)光無兩、不可一世的大模型竟存在著“阿克琉斯之踵”：一個在「A是B」上訓(xùn)練的語言模型，并不能正確回答出「B是A」。

比如下面這個例子：在LLM明知道「湯姆·克魯斯的母親是Mary Lee Pfeiffer」的情況下，卻無法答出「Mary Lee Pfeiffer的孩子是湯姆·克魯斯」。

——這可是當(dāng)時最先進(jìn)的GPT-4，結(jié)果連小孩子都具備的正常邏輯思維，LLM卻做不到。

立于海量的數(shù)據(jù)之上，記住了幾乎超過所有人類的知識，卻表現(xiàn)得如此呆板，取得了智慧之火，卻永遠(yuǎn)被囚禁于這個詛咒之中。

論文地址：https://arxiv.org/pdf/2309.12288v1.pdf

這事一出，全網(wǎng)一片嘩然。

一方面，網(wǎng)友們表示，大模型真傻，真的。單知道「A是B」，卻不知道「B是A」，自己終于保住了作為人類的尊嚴(yán)。

而另一方面，研究人員們也開始對此展開研究，快馬加鞭解決這個重大挑戰(zhàn)。

近日，來自Meta FAIR的研究人員推出了反向訓(xùn)練大法來一舉解決LLM的“逆轉(zhuǎn)詛咒”。

論文地址：https://arxiv.org/pdf/2403.13799.pdf

研究人員首先觀察到，LLMs從左到右以自回歸的方式進(jìn)行訓(xùn)練，——這可能是導(dǎo)致逆轉(zhuǎn)詛咒的原因。

那么，如果以從右到左的方向來訓(xùn)練LLM（逆向訓(xùn)練），就有可能讓模型在反方向上看到事實(shí)。

可以將反向文本視為第二語言，通過多任務(wù)處理或跨語言預(yù)訓(xùn)練，來利用多個不同的來源。

研究人員考慮了4種反向類型：標(biāo)記反轉(zhuǎn)、單詞反轉(zhuǎn)、實(shí)體保留反轉(zhuǎn)和隨機(jī)段反轉(zhuǎn)。

標(biāo)記和單詞反轉(zhuǎn)，通過將序列分別拆分為標(biāo)記或單詞，并顛倒它們的順序以形成新序列。

實(shí)體保留反轉(zhuǎn)，在序列中查找實(shí)體名稱，并在其中保留從左到右的單詞順序，同時進(jìn)行單詞反轉(zhuǎn)。

隨機(jī)段反轉(zhuǎn)，將標(biāo)記化的序列分割成隨機(jī)長度的塊，然后保留每個塊內(nèi)從左到右的順序。

研究人員在1.4B和7B的參數(shù)規(guī)模上，測試了這些反轉(zhuǎn)類型的有效性，結(jié)果表明，實(shí)體保留和隨機(jī)分段反向訓(xùn)練可以減輕逆向詛咒，甚至在某些情況下完全消除它。

此外，研究人員還發(fā)現(xiàn)，與標(biāo)準(zhǔn)的從左到右訓(xùn)練相比，訓(xùn)練前逆轉(zhuǎn)的方式使模型的表現(xiàn)有所提高，——所以反向訓(xùn)練可以作為一種通用的訓(xùn)練方法。

反向訓(xùn)練大法

逆向訓(xùn)練包括獲取具有N個樣本的訓(xùn)練數(shù)據(jù)集，并構(gòu)造反向樣本集REVERSE（x）。

函數(shù)REVERSE負(fù)責(zé)反轉(zhuǎn)給定的字符串，具體做法如下：

單詞反轉(zhuǎn) ：每個示例首先被拆分為單詞，然后在單詞級別反轉(zhuǎn)字符串，用空格將其連接在一起。

實(shí)體保留反轉(zhuǎn)：對給定的訓(xùn)練樣本運(yùn)行實(shí)體檢測器，將非實(shí)體也拆分為單詞。然后將非實(shí)體的單詞進(jìn)行顛倒，而表示實(shí)體的單詞保留原有詞序。

隨機(jī)段反轉(zhuǎn)：這里沒有使用實(shí)體檢測器，而是嘗試使用均勻采樣，將序列隨機(jī)分割成大小為1到k個token之間的句段，然后顛倒這些句段，但保持每個句段內(nèi)的詞序，之后，這些句段使用特殊標(biāo)記[REV]連接。

上表給出了在給定字符串上，不同反轉(zhuǎn)類型的示例。

此時，語言模型仍然從左到右進(jìn)行訓(xùn)練，在單詞反轉(zhuǎn)的情況下，就相當(dāng)于從右到左預(yù)測句子。

逆向訓(xùn)練涉及對標(biāo)準(zhǔn)和反向示例的訓(xùn)練，因此訓(xùn)練token的數(shù)量增加了一倍，同時正向和反向訓(xùn)練樣本都混合在一起。

逆向轉(zhuǎn)換可以看作是模型必須學(xué)習(xí)的第二種語言，請注意，在反轉(zhuǎn)的過程中，事實(shí)之間的關(guān)系保持不變，模型可以從語法中判斷它是處于正向還是反向語言預(yù)測模式。

逆向訓(xùn)練的另一個角度可以由信息論來解釋：語言建模的目標(biāo)是學(xué)習(xí)自然語言的概率分布

反向任務(wù)訓(xùn)練測試

實(shí)體對映射

首先創(chuàng)建一個簡單的基于符號數(shù)據(jù)集，以研究受控環(huán)境中的反轉(zhuǎn)詛咒。

以一對一的方式隨機(jī)配對實(shí)體a和b，訓(xùn)練數(shù)據(jù)包含所有（a→b）映射對，但僅包含一半的（b→a）映射，另一半作為測試數(shù)據(jù)。

模型必須從訓(xùn)練數(shù)據(jù)中推斷規(guī)則a→b ? b→a，然后將其推廣到測試數(shù)據(jù)中的對。

上表展示了符號反向任務(wù)的測試準(zhǔn)確率（%）。盡管這項任務(wù)很簡單，但標(biāo)準(zhǔn)語言模型訓(xùn)練完全失敗了，這表明僅靠擴(kuò)展不太可能解決。

相比之下，反向訓(xùn)練幾乎可以解決兩個單詞實(shí)體的問題，但隨著實(shí)體變長，其性能會迅速下降。

單詞反轉(zhuǎn)適用于較短的實(shí)體，但對于具有較多單詞的實(shí)體，實(shí)體保留反轉(zhuǎn)是必要的。當(dāng)最大段長度k至少與實(shí)體一樣長時，隨機(jī)段反轉(zhuǎn)表現(xiàn)良好。

恢復(fù)人名

上表展示了確定人全名的反轉(zhuǎn)任務(wù)，當(dāng)僅給出出生日期確定一個人的全名時，反轉(zhuǎn)任務(wù)的準(zhǔn)確性仍然接近于零，——這是因為在本文采用的實(shí)體檢測方法中，日期被視為三個實(shí)體，因此在反轉(zhuǎn)中不會保留它們的順序。

如果將反轉(zhuǎn)任務(wù)簡化為僅確定人的姓氏，則單詞級別的反轉(zhuǎn)就足夠了。

另一個可能會令人感到驚訝的現(xiàn)象是，實(shí)體保留方法可以確定該人的全名，但不能確定該人的姓氏。

這是一個已知的現(xiàn)象：語言模型可能完全無法檢索知識片段的后期標(biāo)記（比如姓氏）。

現(xiàn)實(shí)世界事實(shí)

這里作者訓(xùn)練了一個Llama-2 14億參數(shù)模型，在從左到右方向上訓(xùn)練一個2萬億個token的基線模型。

相比之下，逆向訓(xùn)練僅使用1萬億token，但使用相同的數(shù)據(jù)子集在從左到右和從右到左兩個方向上進(jìn)行訓(xùn)練，——兩個方向合起來是2萬億個token，在計算資源上做到公平公正。

為了測試對現(xiàn)實(shí)世界事實(shí)的反轉(zhuǎn)能力，研究人員使用了一個名人任務(wù)，其中包含“諸如某個名人的母親是誰”之類的問題，同時還包含更具挑戰(zhàn)性的反向問題，比如“某個名人的父母的孩子是誰”。

結(jié)果如上表所示。研究人員對每個問題的模型進(jìn)行多次抽樣，如果其中任何一個包含正確答案，則將其視為成功。

一般來說，由于模型在參數(shù)數(shù)量方面很小，預(yù)訓(xùn)練有限，并且缺乏微調(diào)，因此準(zhǔn)確性通常相對較低。然而，反向訓(xùn)練的表現(xiàn)更加優(yōu)秀。

36年前的預(yù)言

1988年，F(xiàn)odor和Pylyshyn在《認(rèn)知》刊物上發(fā)了一篇關(guān)于思維的系統(tǒng)性的文章。

如果你真的理解這個世界，那你就應(yīng)該能夠理解a相對于b的關(guān)系，也能理解b相對于a的關(guān)系。

即使是非語言認(rèn)知生物，也應(yīng)該能夠做到這一點(diǎn)。