對(duì)標(biāo)GPT-4代碼解釋器！港中大讓模型寫(xiě)代碼解決數(shù)學(xué)難題，得分超越GPT-4

　　本文來(lái)自于微信公眾號(hào) 量子位 (ID:QbitAI)，作者:豐色。

　　對(duì)標(biāo)GPT-4代碼解釋器，港中大最新研究放了個(gè)“大招”:

　　他們開(kāi)發(fā)了一個(gè)叫做MathCoder的大模型，數(shù)學(xué)能力直接在競(jìng)賽級(jí)“題庫(kù)”Math上超過(guò)GPT-4。

　　做到這一點(diǎn)靠的就是無(wú)縫集成代碼的能力——

　　在遇到數(shù)學(xué)問(wèn)題時(shí)，它不僅能用自然語(yǔ)言推理，還能自動(dòng)編寫(xiě)和執(zhí)行代碼來(lái)建模、推導(dǎo)公式與方程。

　　這樣的工作方式無(wú)疑和強(qiáng)大的GPT-4代碼解釋器一樣。

　　在實(shí)際評(píng)測(cè)中，MathCoder除了超過(guò)GPT-4，還順利在MATH和GSM8K兩大數(shù)據(jù)集上取得了開(kāi)源LLM中的SOTA(打敗了8月份才誕生的WizardMath)

　　這個(gè)“新王”究竟是如何誕生的?對(duì)標(biāo)GPT-4代碼解釋器

　　總的來(lái)看，港大這項(xiàng)研究為了提高大模型的數(shù)學(xué)推理能力，學(xué)習(xí)了GPT-4代碼解釋器的優(yōu)點(diǎn)和工作原理，提出了一種微調(diào)開(kāi)源語(yǔ)言模型的方法。

　　該方法最終使大模型無(wú)縫集成代碼，利用代碼來(lái)解決數(shù)學(xué)問(wèn)題。

　　具體而言，他們首先提出了一個(gè)可以生成高質(zhì)量數(shù)學(xué)題的數(shù)據(jù)集:MathCodeInstruct。

　　該數(shù)據(jù)集由兩部分組成:

　　種子數(shù)據(jù)(D0):主要基于GSM8K和MATH，并利用GPT-4收集答案。

　　插值數(shù)據(jù)(D1):讓GPT-4基于他們提出的一種叫做“問(wèn)題插值提示”的方法生成。

　　如下圖所示:

　　示例1和2分別來(lái)自于GSM8K和MATH，1簡(jiǎn)單，2難一些，GPT-4要做的“插值”就是生成比1難但比2更簡(jiǎn)單的新問(wèn)題。

　　基于以上兩類問(wèn)題，最終MathCodeInstruct數(shù)據(jù)集一共收集了8萬(wàn)道數(shù)學(xué)題。

　　如下表所示，這比業(yè)內(nèi)其他數(shù)據(jù)集規(guī)模稍小一些:

　　而與其他數(shù)據(jù)集相比，它的特點(diǎn)之一是同時(shí)彌補(bǔ)了GSM8K和MATH這兩大重要數(shù)據(jù)集中不足的部分，給出了一些難度范圍更廣的問(wèn)題，增強(qiáng)了數(shù)據(jù)集的泛化能力。

　　特點(diǎn)之二是數(shù)據(jù)集中的每道題目同時(shí)包含基于自然語(yǔ)言推理的部分+基于代碼解決的部分(包括執(zhí)行代碼和代碼輸出結(jié)果)。

　　如下圖所示，這是對(duì)上面GPT-4生成的“插值”問(wèn)題的解決思路:

　　在數(shù)據(jù)集準(zhǔn)備好以后，團(tuán)隊(duì)便提出了一種定制的監(jiān)督微調(diào)和推理方法，最終在Llama-2和Code Llama上微調(diào)出了MathCoder。

　　具體而言，該方法使用特殊的token(<|text|>、<|code|>、<|execution|>)來(lái)識(shí)別訓(xùn)練數(shù)據(jù)集中哪一部分是自然語(yǔ)言、代碼還是結(jié)果，讓模型學(xué)習(xí)生成由這些特殊標(biāo)記劃分的自然語(yǔ)言和代碼。

　　在推理期間，該方法還會(huì)將動(dòng)態(tài)執(zhí)行的結(jié)果附加到模型的先前預(yù)測(cè)中。

　　然后，繼續(xù)基于這個(gè)新版本的輸入自回歸預(yù)測(cè)下一個(gè)token，以及最后的執(zhí)行結(jié)果。

　　作者表示，通過(guò)這種方式，模型將能夠“看到”執(zhí)行結(jié)果，并不斷地繼續(xù)推理。

　　最終，該方法使微調(diào)模型MathCoder以類似GPT-4代碼解釋器的方式運(yùn)行。

　　在評(píng)測(cè)中，MathCoder憑此直接在MATH和GSM8K這倆數(shù)據(jù)集上取得了45.2%和83.9%的好成績(jī)。

　　該成績(jī)證明:

　　其一，它超過(guò)了ChatGPT-3.5和PaLM-2等9個(gè)閉源模型，并在以數(shù)學(xué)競(jìng)賽題為主的MATH集上超過(guò)GPT-4。

　　其二，它打敗了此前數(shù)學(xué)領(lǐng)域里最強(qiáng)的開(kāi)源模型WizardMath，成為新的開(kāi)源之最。

　　不過(guò)其三，模仿但還未超越，在這倆數(shù)據(jù)集上，MathCoder還是與GPT-4代碼解釋器(69.7%和97%高分)存在著一定的性能差距。 作者介紹

　　本研究一共10位作者，除了兩位來(lái)自香港城市大學(xué)以外，其余均來(lái)自香港中文大學(xué)。

　　共同一作一共有6位，分別是:Ke Wang、Houxing Ren、Aojun Zhou、Zimu Lu、Sichun Luo和Weikang Shi。

　　通訊作者為李鴻升，為港中大電子工程系副教授，同時(shí)也就職于上海人工智能研究室。