遇到一個(gè)問題用不同表達(dá)方式prompt時(shí)，大模型往往會(huì)給出兩種不同的答案。

比如，「秘魯?shù)氖锥际鞘裁础梗咐R是秘魯?shù)氖锥紗帷埂?/span>

對于這種回答不一致的問題，科學(xué)家們紛紛為大模型的「智商」擔(dān)憂起來。

正如了LeCun所言：

LLM確實(shí)比狗積累了更多的事實(shí)知識(shí)和語言能力。但是它們對物理世界的理解能力，以及推理規(guī)劃能力，遠(yuǎn)遠(yuǎn)不及狗。

那么，有沒有一種方式，能夠解開大模型幻覺，讓結(jié)果更加準(zhǔn)確、高效？

來自MIT的研究人員，將「博弈論」的思想引入大模型的改進(jìn)中。

他們共同設(shè)計(jì)了一個(gè)游戲，在游戲中，讓模型的兩種模式（生成式和判別式）相互對抗，努力找到它們可以達(dá)成一致的答案。

這個(gè)簡單的博弈過程，被稱為「共識(shí)博弈」（CONSENSUS GAME）。

也就是，讓模型自我對抗，以提升LLM準(zhǔn)確性和內(nèi)部一致性。

論文地址：https://openreview.net/pdf?id=n9xeGcI4Yg

具體來說，這是一種免訓(xùn)練，基于博弈論的語言模型解碼過程。

新方法將語言模型解碼，視為一種正則化的不完全信息序列信號博弈游戲——稱之為CONSENSUS GAME（共識(shí)博弈）。

其中，生成器（GENERATOR）試圖使用自然語言句子，向一個(gè)判別器（DISCRIMINATOR）傳達(dá)抽象的正確性參數(shù)。

然后，研究人員開發(fā)了計(jì)算程序，以尋找博弈的近似均衡，從而得到一種名為「均衡排序」（EQUILIBRIUM-RANKING）的解碼算法。

在多個(gè)基準(zhǔn)測試中，「均衡排序」策略在LLaMA-7B的表現(xiàn)中，明顯超越LLaMA-65B，并與PaLM540B相媲美。

最新論文已被ICLR 2024接收。

谷歌研究科學(xué)家Ahmad Beirami表示，「幾十年來，LLM對提示的響應(yīng)方式一直如出一轍。MIT研究人員提出了將博弈論引入這一過程的新穎想法，開創(chuàng)了一個(gè)全新的范式，這有可能帶來大量新的應(yīng)用」。

游戲，不再單純是衡量AI的標(biāo)準(zhǔn)

以往，通過機(jī)器學(xué)習(xí)在游戲競賽中的表現(xiàn)，去判斷某個(gè)AI系統(tǒng)是否取得成功。

而這樣的案例，比比皆是。

1997年，IBM深藍(lán)計(jì)算機(jī)擊敗了國際象棋特級大師Garry Kasparov，創(chuàng)下了所謂的「思考機(jī)器」的里程碑。

19年后，谷歌DeepMind發(fā)明的AlphaGo，在圍棋比賽中一舉戰(zhàn)勝李世石。

五局比賽中獲勝四局，揭示了人類在某些領(lǐng)域已不再獨(dú)占鰲頭。

不僅如此，AI還在跳棋、雙人撲克，以及其他的「零和游戲」中超越了人類。

與以往不同的是，MIT團(tuán)隊(duì)而是選擇從另一個(gè)角度來看問題——用游戲去改進(jìn)人工智能。

對于AI研究人員來說，一款稱為「Diplomacy」的游戲，提出了一個(gè)更大的挑戰(zhàn)。

由Allan B. Calhamer于1959年設(shè)計(jì)的經(jīng)典桌游

與只有2個(gè)對手玩家的游戲不同，Diplomacy游戲有7個(gè)玩家參與，每個(gè)人的動(dòng)機(jī)都很難看透。

要想獲勝，玩家必須談判，締結(jié)合作關(guān)系，但不得不提防的是，任何時(shí)候任何人都可能遭到背叛。

這款游戲如此復(fù)雜，以至于2022年，Meta團(tuán)隊(duì)發(fā)布的Cicero在40局游戲后，達(dá)到「人類水平」時(shí)，引發(fā)一陣轟動(dòng)。

論文地址：https://www.science.org/doi/10.1126/science.ade9097

盡管Cicero沒能戰(zhàn)勝世界冠軍，但它在與人類參與者的比賽中進(jìn)入了前10%，表現(xiàn)足夠優(yōu)秀。

現(xiàn)在，論文作者Athul Paul Jacob是MIT的博士生，曾在Meta實(shí)習(xí)期間參與了這次研究。

研究期間，Jacob對Cicero依賴語言模型，與其他玩家進(jìn)行對話的事實(shí)感到震驚。

他感受到了，尚未開發(fā)出的AI潛力。

Athul Paul Jacob幫助設(shè)計(jì)了「共識(shí)博弈」——為LLM提供了一種提高其準(zhǔn)確性和可靠性的方法

于是，他便提出，如果將重點(diǎn)轉(zhuǎn)移到，利用游戲來提高LLM的性能上會(huì)怎樣?

1000場比賽，讓LLM自我對抗

為了追尋這一問題的答案，2023年Jacob與麻省理工學(xué)院的Yikang Shen、Gabriele Farina，以及導(dǎo)師Jacob Andreas一起研究，什么可以促進(jìn)「共識(shí)博弈」。

這一思想的核心是，將兩個(gè)人之間的對話想象成一個(gè)合作游戲。

當(dāng)聽者理解說話者想要傳達(dá)的東西時(shí)，就成功了。

尤其是，「共識(shí)博弈」的目的是，旨在協(xié)調(diào)LLM的兩個(gè)系統(tǒng)——生成器和辨別器。

眾所周知，生成器負(fù)責(zé)處理生成性問題，而辨別器負(fù)責(zé)處理辨別性問題。

經(jīng)過幾個(gè)月的研究，他們終于將這一原則，構(gòu)建成了一場完整的比賽。

首先，生成器收到一個(gè)問題——可以來自人類，也可以來自預(yù)存在的名單中，比如「奧巴馬出生在哪里」。

然后，生成器會(huì)得到一些候選響應(yīng)，比如火奴魯魯（Honolulu）、芝加哥（Chicago）、內(nèi)羅畢（Nairobi）。

同樣，這些響應(yīng)的選項(xiàng)，可以來自人類、列表，或是由語言模型本身執(zhí)行搜索。

但在回答之前，生成器會(huì)先根據(jù)一次公平的隨機(jī)擲幣的結(jié)果，被指示生成正確或錯(cuò)誤的答復(fù)。

如果結(jié)果為正面，那么生成器就會(huì)嘗試給出正確的答案。

然后，生成器將原始問題，及其選擇的回答，一并發(fā)送給判別器。

如果判別器判定生成器，是有意地發(fā)送了正確的回答，作為一種激勵(lì)，它們每人得到一分。

而如果結(jié)果為反面，生成器就會(huì)給出它認(rèn)為是錯(cuò)誤的答案，那判別器看出它故意給了錯(cuò)誤答案，它們將在分別得到一分。

這就體現(xiàn)了策略的核心點(diǎn)，即通過激勵(lì)，讓它們達(dá)成一致。

在這個(gè)博弈過程開始時(shí)，生成器和判別器都有自己對答案的「先驗(yàn)信念」。

這些「信念」以概率分布的形式體現(xiàn)，比如，生成器基于從互聯(lián)網(wǎng)獲取的信息，可能會(huì)認(rèn)為：

奧巴馬出生在火奴魯魯?shù)母怕适?0%，芝加哥10%，內(nèi)羅畢5%，其他地方5%。

當(dāng)然判別器，也會(huì)有不同概率分布的「先驗(yàn)信念」。

雖然兩個(gè)「玩家」會(huì)因達(dá)成一致而獲得獎(jiǎng)勵(lì)，但如果偏離自己「先驗(yàn)信念」太多時(shí)，也會(huì)被扣分。

這樣一來，可以鼓勵(lì)「玩家」將從互聯(lián)網(wǎng)獲取的知識(shí)，融入到回答中，從而讓模型更加準(zhǔn)確。

如果沒有這種機(jī)制，它們可能會(huì)就一個(gè)完全錯(cuò)誤的答案（如Delhi）上達(dá)成一致，卻仍然獲得分?jǐn)?shù)。

對于每個(gè)問題，這兩個(gè)系統(tǒng)相互之間進(jìn)行了大約1000場比賽。

在無數(shù)次迭代的過程中，雙方都了解了對方的「信念」，并相應(yīng)地修改了自己的戰(zhàn)略。

最終，生成器和判別器開始達(dá)成更多共識(shí)，因?yàn)樗鼈冎饾u進(jìn)入了一種稱為「納什均衡」（Nash equilibrium）的狀態(tài)。

這可以說是博弈論的核心概念。

「納什均衡」代表了游戲中的一種平衡狀態(tài)，在這點(diǎn)上，任何玩家都無法通過改變策略，來改善個(gè)人結(jié)果。

比如，在石頭剪刀布游戲中，當(dāng)玩家選擇三個(gè)選項(xiàng)的概率正好都是1/3時(shí)，才能獲得最佳結(jié)果，任何其他策略都會(huì)導(dǎo)致更糟糕的結(jié)果。

在「共識(shí)博弈」中，「納什均衡」可以通過多種方式實(shí)現(xiàn)。

比如，判別器可能會(huì)觀察到，每當(dāng)生成器將奧巴馬的出生地回答為「火奴魯魯」時(shí)，它就會(huì)得分。

經(jīng)過多輪博弈，生成器和判別器會(huì)學(xué)習(xí)到，繼續(xù)這種作答方式會(huì)得到獎(jiǎng)勵(lì)，而沒有動(dòng)機(jī)改變策略。

這種一致的作答方式，就代表了對于該問題的一種可能的「納什均衡」。

70B參數(shù)Llama，媲美5400億參數(shù)PaLM

除此之外，還可能存在其他「納什均衡」的解。

MIT團(tuán)隊(duì)還依賴于一種改進(jìn)的「納什均衡」形式，結(jié)合了玩家們的「先驗(yàn)信念」，有助于讓回答結(jié)果更加貼近現(xiàn)實(shí)。

為了測試「共識(shí)博弈」的效果，研究團(tuán)隊(duì)在一些中等參數(shù)規(guī)模的語言模型（70億-130億參數(shù)）上進(jìn)行了一系列標(biāo)準(zhǔn)問題測試。

經(jīng)過訓(xùn)練后的這些模型，正確答案的比例明顯高于未經(jīng)訓(xùn)練的模型，甚至高于一些擁有高達(dá)5400億參數(shù)的大型模型PaLM。

這不僅提高了模型的答案準(zhǔn)確性，也增強(qiáng)了模型的內(nèi)部一致性。

另外，在TruthfulQA（生成）的結(jié)果上，具有ER-G的LLaMA-13B優(yōu)于或與所有基線持平。

研究人員在GSM8K測試集上，對不同方法的平均準(zhǔn)確率進(jìn)行了評估和對比。

除了greedy外，都是對20個(gè)候選回答進(jìn)行了采樣。

基于「均衡排序」的方法，其性能與多數(shù)投票基線相當(dāng)，或者稍微好一些。

一般來說，任何LLM都可以通過與自身進(jìn)行「共識(shí)博弈」從中獲益。

最重要的是，研究人員成，只需在一臺(tái)筆記本上，進(jìn)行的1000輪「共識(shí)博弈」僅需幾毫秒的時(shí)間，計(jì)算代價(jià)很小。

Omidshafiei表示，「這種方法非常高效，不需要對基礎(chǔ)語言模型進(jìn)行訓(xùn)練或修改」。

下一步，大小模型一起游戲

在「共識(shí)博弈」取得初步成功后，Jacob現(xiàn)在正在探索將博弈論，應(yīng)用到LLM研究中的其他方式。

在這個(gè)基礎(chǔ)上，他現(xiàn)在又提出了一種新的方法，暫稱為「集成博弈」（ensemble game）。

在「集成博弈」中，有一個(gè)主模型（primary LLM），與若干個(gè)小型模型進(jìn)行博弈互動(dòng)。

這些小型模型中，至少有一個(gè)扮演「盟友」角色，至少有一個(gè)扮演「對手」角色。

問題出現(xiàn)時(shí)，比如法國首都是什么，如果主模型與「盟友」模型給出相同答案，主模型會(huì)獲得分?jǐn)?shù)。

如果與「對手」模型給出不同答案，也會(huì)獲得分?jǐn)?shù)。

通過這種與小模型的博弈互動(dòng)，并不需要對主模型進(jìn)行額外訓(xùn)練或改變參數(shù)，就可以進(jìn)一步提升主模型的性能表現(xiàn)。

這種將大模型與多個(gè)小模型集成互動(dòng)的新范式，讓大模型可以借鑒小模型的優(yōu)點(diǎn)。

同時(shí)還能相互制約，從而提高整體的準(zhǔn)確性和一致性。

在未來，它將為提升LLM性能開辟了一種全新的思路和方法。