拖延有罪及时做事

动态 发布 点评 好友 关于
  • 2024-12-13

  • 发表了主题帖： 极越现在啥情况了？

    前儿极越汽车突然就地解散了，听说这边主播还在做宣传那边突然家没了。。。现在都在搞维权。。 太突然了，前段时间我感觉极越的宣传还是很多的啊，领导层不会跑路吧？ CEO夏一平还在说公司不会关停倒闭，在积极融资。 大家觉得后面能救活吗？   这个事儿一出，逛网站看好些评论区在留言说汽车新势力的车都不敢买了。还有买了车的在那边害怕担忧。。。ε=(´ο｀*)))唉 大伙儿感觉咋样？如果现在买车你们会考虑买啥？    

  • 2024-10-21

  • 发表了主题帖： 首个o1复现开源RL框架OpenR来了，UCL、上交等高校联合团队发布

    大模型智能｜分享 来源 | 机器之心 OpenR 研究团队成员包括：汪军教授，伦敦大学学院（UCL）计算机系教授，阿兰・图灵研究所 Turing Fellow，其指导的 UCL 一年级博士生宋研。利物浦大学助理教授方蒙。上海交通大学 Apex 和多智能体实验室张伟楠教授（上海交通大学计算机系教授、博士生导师、副系主任），温颖副教授（上海交通大学约翰・霍普克罗夫特计算机科学中心副教授）以及其指导的博士生万梓煜、温睦宁、朱家琛。张伟楠教授和温颖副教授博士期间就读于 UCL，指导教师为汪军教授。香港科技大学（广州）创校校长，倪明选（Lionel M. Ni），香港工程科学院院士，香港科技大学（广州）讲席教授。陈雷，香港科技大学（广州）信息枢纽院长，讲席教授。香港科技大学（广州）一年级博士生刘安杰、龚子钦受汪军教授和杨林易博士联合执导，以及西湖大学工学院助理教授（研究）杨林易。 o1 作为 OpenAI 在推理领域的最新模型，大幅度提升了 GPT-4o 在推理任务上的表现，甚至超过了平均人类水平。o1 背后的技术到底是什么？OpenAI 技术报告中所强调的强化学习和推断阶段的 Scaling Law 如何实现？ 为了尝试回答这些问题，伦敦大学学院（UCL）、上海交通大学、利物浦大学、香港科技大学（广州）、西湖大学联合开源了首个类 o1 全链条训练框架「OpenR」，一个开源代码库，帮助用户快速实现构建自己的复杂推断模型 。整个项目由 UCL 汪军教授发起和指导，实验主要由上海交大团队完成。 我们介绍了 OpenR，首个集过程奖励模型（PRM）训练、强化学习、多种搜索框架为一身的类 o1 开源框架，旨在增强大型语言模型（LLM）的复杂推理能力。 论文链接：https://github.com/openreasoner/openr/blob/main/reports/OpenR-Wang.pdf 代码链接：https://github.com/openreasoner/openr 教程链接：https://openreasoner.github.io/ OpenR 将数据获取、强化学习训练（包括在线和离线训练）以及非自回归解码集成到一个统一的平台中。受到 OpenAI 的 o1 模型成功的启发， OpenR 采用了一种基于模型的方法，超越了传统的自回归方法。我们通过在 MATH 数据集上的评估来展示 OpenR 的有效性，利用公开的数据和搜索方法。初步实验表明，相对改进达到了显著提升。我们开源了 OpenR 框架，包括代码、模型和数据集，我们旨在推动推理领域开源社区的发展，欢迎感兴趣的从业人员加入到我们的开源社区。代码、文档、教程可通过 https://openreasoner.github.io 访问。 图 1: 系统设计图 系统设计。过程奖励模型 (PRM) 在两个关键方面增强了 LLM 的策略。首先，在训练期间，PRM 通过策略优化技术（如上图所示的策略迭代）改进 LLM 策略。其次，在解码阶段，PRM 引导 LLM 的搜索过程，使推理朝着更有效的结果发展（如上图所示）。接下来我们将展示，LLM 策略还可以帮助识别缺失的中间推理步骤，这反过来又可以进一步训练和改进 PRM。正如上图所示，这种迭代的互动使 LLM 和 PRM 能够持续地释放各自的潜力以改进推理。 图 2 代码结构图 数据增强.在使用 LLM 进行推理时，我们不仅仅依赖最终答案的反馈，而是使用更详细的反馈方式，逐步收集和标注数据。这样可以在问题解决的过程中，识别出具体的错误位置并给出反馈，从而帮助模型更好地学习和改进。 MATH-APS.我们通过自动生成合成样本来增强数据。与依赖昂贵且难以扩展的人工标注的 PRM800k 数据集不同，我们引入了一个新数据集 MATH-APS。这个数据集基于 MATH 数据集，并使用 OmegaPRM 等自动化方法来生成样本，从而减少了对人工标注的依赖，更易于大规模收集数据。自动化方法如 OmegaPRM、Math-Shepherd 和 MiPS 可以高效地收集高质量的过程监督数据。虽然 Math-Shepherd 和 MiPS 提供了过程监督的自动化标注，但它们需要大量的策略调用，计算成本较高。OmegaPRM 改进了这个过程，通过迭代地划分解决方案、回溯分析并找出模型推理中的第一个错误步骤来提高效率。 我们通过自动生成合成样本来增强数据。与依赖昂贵且难以扩展的人工标注的 PRM800k 数据集不同，我们引入了一个新数据集 MATH-APS。这个数据集基于 MATH 数据集，并使用 OmegaPRM 等自动化方法来生成样本，从而减少了对人工标注的依赖，更易于大规模收集数据。自动化方法如 OmegaPRM、Math-Shepherd 和 MiPS 可以高效地收集高质量的过程监督数据。虽然 Math-Shepherd 和 MiPS 提供了过程监督的自动化标注，但它们需要大量的策略调用，计算成本较高。OmegaPRM 改进了这个过程，通过迭代地划分解决方案、回溯分析并找出模型推理中的第一个错误步骤来提高效率。 PRM 的监督训练。在过程奖励模型 (PRM) 中，主要目的是判断解决方案的步骤是否在正确的轨道上。因此，PRM 会输出一个 0 到 1 之间的分数，作为当前解决过程的正确性指标。具体来说，给定一个问题及其解决步骤序列，PRM 会为每一步计算出一个分数，这可以视为一个二元分类任务：是否正确。我们通过在大型语言模型 (LLM) 上的监督微调来训练 PRM，将正确或错误的判定作为分类标签，并进一步使用 LLM 来预测每一步的后续标记。 Math-psa PRM 通过在 LLM 上的监督微调来训练，正确 / 错误的区分作为分类标签。我们使用数据集如 PRM800K，Math-Shepherd 以及我们自己的 MATH-APS 数据集来训练一个名为 Math-psa 的 PRM。这些数据集由三个部分组成：问题、过程 和 标签。输入由 问题 和 过程 的拼接组成。在 过程 中，解决方案被分为多个步骤，每个步骤用一个特殊的步骤标记分隔，以标记每个步骤结束的位置，PRM 可以在此处进行预测。标签对整个过程进行分类，根据解决方案的正确性将每个步骤标记为 + 或 -。 在训练过程中，模型会在每个步骤标记之后预测正或负标签。输入的拼接格式包含了 问题 和各个步骤之间的标记符。标签仅分配在步骤标记符的位置，并在计算损失时忽略其他位置。这种方式确保模型训练时主要关注输入序列，而不会被步骤标记符干扰，从而更好地识别和分类正确性。 LLM 的策略学习。我们将数学问题转换为一个语言增强的决策过程，用来逐步解决问题。这个过程叫做马尔可夫决策过程 (MDP)，它由状态、动作和奖励组成。在这个框架中，每一个数学问题就是初始状态，模型生成推理步骤作为动作，然后根据当前状态和动作来决定下一个状态。 模型每完成一个步骤，就会得到一个奖励或反馈，用来评估该步骤是否正确。这个奖励帮助模型判断是否朝着正确方向前进。整个过程重复进行，模型会不断调整其推理路径，目标是获得尽可能多的正面反馈或奖励。 我们将这种 MDP 实现为一个强化学习环境，类似 OpenAI 的 Gym 环境。在这里，每个数学问题都被看作一个任务，模型通过一系列连续的推理步骤来解决这些问题。正确的步骤获得奖励，错误的步骤则受到惩罚。通过这种方式，模型可以在不断试错中优化其策略，从而逐渐提高其解决数学问题的能力。 在线强化学习训练。在使用强化学习训练大型语言模型 (LLM) 时，通常使用近端策略优化 (PPO) 来使生成的语言输出与预期的动作对齐。PPO 可以帮助模型生成既符合语境又达到目标的响应，填补了语言理解和操作输出之间的空隙。我们提供了传统的 PPO 和一种更高效的变体，即群体相对策略优化 (GRPO)。这两者主要在优势值的计算方法上不同：PPO 使用一个网络来估算状态值，并通过广义优势估算 (GAE) 技术来计算优势值；而 GRPO 则简化了这个过程，直接使用标准化的奖励信号来估算动作的优势，从而减少了训练资源的消耗，同时更加注重奖励模型的稳定性。 解码：推理时的引导搜索和规划 我们使用 PRM 来评估每个解决步骤的准确性。一旦训练出高质量的过程奖励模型，我们就可以将其与语言模型结合到解码过程中，从而实现引导搜索和多次生成的评分或投票。 为了将 PRM 用作验证器，我们定义了评估 LLM 生成的解决方案正确性的方法，将每一步的得分转换为最终分数。主要有两种方法： PRM-Min：选择所有步骤中得分最低的作为最终分数。 PRM-Last：选择最后一步的得分作为最终分数。这种方法已经被证明效果与 PRM-Min 相当。 当通过扩大推理时计算生成多个答案后，我们需要基于分数选择最佳答案。我们采用了三种策略： 1. 多数投票：通过统计出现最多的答案作为最终答案。 2. RM-Max：根据结果奖励模型，选择最终奖励最高的答案。 3. RM-Vote：根据结果奖励模型，选择奖励总和最高的答案。 通过结合这些策略，可以形成多种加权方法，例如 PRM-Last-Max，即使用 PRM-Last 和 RM-Max 组合进行选择。我们的框架允许我们在多种搜索算法中进行选择，例如 Beam Search、Best-of-N, 蒙特卡洛树搜索等。每种算法在 PRM 的质量上有其独特的优势。复杂的搜索算法在处理更难的任务时可能表现更好，而简单的方法如最佳 N 则常能在难度较低的情况下表现良好。 解码阶段的 Scaling Law 我们观察到了和 OpenAI o1 以及 Deepmind 论文《Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parameters》趋势相近的 Test-time Scaling Law，参见： 图 3 推断阶段新的缩放率实验效果图 图 3 (a) 比较了这些搜索和投票方法在推理过程中的性能。y 轴表示 MATH500 数据集上的测试准确率，而 x 轴显示生成预算（每个问题的平均标记数），反映了每个问题的计算消耗或标记使用情况。该图表明，随着生成预算的增加，最佳 N 选择和束搜索方法的性能显著优于多数投票，与之前的发现表现出相似的模式。在低推理时计算预算下，最佳 N 选择方法表现优于束搜索，而束搜索在较高预算下可以达到相同的性能。另一方面，图 (b) 显示我们的 PRM (Math-aps) 能在所有测试的计算预算下达到最高的测试准确率。这确实验证了我们的 PRM 训练能够有效地学习过程监督。 详细的文档结束。OpenR 支持使用几行代码即可实现 PRM 的训练、强化学习训练，以及不同的解码方法，使用户能够方便地进行实验和测试。我们还提供了详细的代码文档供大家参考，参见: https://openreasoner.github.io/ 。我们所支持的算法如下图所示： 图 4 开源代码算法实现框图

  • 发表了主题帖： 00后国人论文登Nature，大模型对人类可靠性降低

    大模型智能｜分享 来源 | 量子位 作者 | 一水 00后国人一作登上Nature，这篇大模型论文引起热议。 简单来说，论文发现：更大且更遵循指令的大模型也变得更不可靠了，某些情况下GPT-4在回答可靠性上还不如GPT-3。 与早期模型相比，有更多算力和人类反馈加持的最新模型，在回答可靠性上实际愈加恶化了。 结论一出，立即引来20多万网友围观：     在Reddit论坛也引发围观议论。     这让人不禁想起，一大堆专家/博士级别的模型还不会“9.9和9.11”哪个大这样的简单问题。 关于这个现象，论文提到这也反映出，模型的表现与人类对难度的预期不符。 换句话说，“LLMs在用户预料不到的地方既成功又（更危险地）失败”。 Ilya Sutskever2022年曾预测： 也许随着时间的推移，这种差异会减少。 然而这篇论文发现情况并非如此。不止GPT，LLaMA和BLOOM系列，甚至OpenAI新的o1模型和Claude-3.5-Sonnet也在可靠性方面令人担忧。 更重要的是，论文还发现依靠人类监督来纠正错误的做法也不管用。     有网友认为，虽然较大的模型可能会带来可靠性问题，但它们也提供了前所未有的功能。 我们需要专注于开发稳健的评估方法并提高透明度。     还有人认为，这项研究凸显了人工智能所面临的微妙挑战（平衡模型扩展与可靠性）。       01 更大的模型更不可靠，依靠人类反馈也不管用了 为了说明结论，论文研究了从人类角度影响LLMs可靠性的三个关键方面： 1、难度不一致：LLMs是否在人类预期它们会失败的地方失败？ 2、任务回避：LLMs是否避免回答超出其能力范围的问题？ 3、对提示语表述的敏感性：问题表述的有效性是否受到问题难度的影响？ 更重要的是，作者也分析了历史趋势以及这三个方面如何随着任务难度而演变。 下面一一展开。 对于第1个问题，论文主要关注正确性相对于难度的演变。 从GPT和LLaMA的演进来看，随着难度的增加，所有模型的正确性都会明显下降。（与人类预期一致） 然而，这些模型仍然无法解决许多非常简单的任务。 这意味着，人类用户无法发现LLMs的安全操作空间，利用其确保模型的部署表现可以完美无瑕。 令人惊讶的是，新的LLMs主要提高了高难度任务上的性能，而对于更简单任务没有明显的改进。比如，GPT-4与前身GPT-3.5-turbo相比。 以上证明了人类难度预期与模型表现存在不一致的现象，并且此不一致性在新的模型上加剧了。     这也意味着： 目前没有让人类确定LLMs可以信任的安全操作条件。 在需要高可靠性以及识别安全操作空间的应用中，这一点尤其令人担忧。这不禁令人反思：人类正在努力创造的前沿机器智能，是否真的是社会大众所期望拥有的。     其次，关于第2点论文发现（回避通常指模型偏离问题回答，或者直接挑明“我不知道”）： 相比较早的LLMs，最新的LLMs大幅度地提高了许多错误或一本正经的胡说八道的答案，而不是谨慎地避开超出它们能力范围之外的任务。 这也导致一个讽刺的现象：在一些benchmarks中，新的LLMs错误率提升速度甚至远超于准确率的提升（doge）。     一般来说，人类面对越难的任务，越有可能含糊其辞。 但LLMs的实际表现却截然不同，研究显示，它们的规避行为与困难度并无明显关联。 这容易导致用户最初过度依赖LLMs来完成他们不擅长的任务，但让他们从长远来看感到失望。 后果就是，人类还需要验证模型输出的准确性，以及发现错误。（想用LLMs偷懒大打折扣）     最后论文发现，即使一些可靠性指标有所改善，模型仍然对同一问题的微小表述变化敏感。 举个栗子，问“你能回答……吗?”而不是“请回答以下问题……”会导致不同程度的准确性。 分析发现：仅仅依靠现存的scaling-up和shaping-up不太可能完全解决指示敏感度的问题，因为最新模型和它们的前身相比优化并不显著。 而且即使选择平均表现上最佳的表述格式，其也可能主要对高难度任务有效，但同时对低难度任务无效（错误率更高）。 这表明，人类仍然受制于提示工程。     更可怕的是，论文发现，人类监督无法缓解模型的不可靠性。 论文根据人类调查来分析，人类对难度的感知是否与实际表现一致，以及人类是否能够准确评估模型的输出。 结果显示，在用户认为困难的操作区域中，他们经常将错误的输出视为正确；即使对于简单的任务，也不存在同时具有低模型误差和低监督误差的安全操作区域。     以上不可靠性问题在多个LLMs系列中存在，包括GPT、LLaMA和BLOOM，研究列出来的有32个模型。 这些模型表现出不同的Scaling-up（增加计算、模型大小和数据）以及shaping-up（例如指令FT、RLHF）。     除了上面这些，作者们后来还发现一些最新、最强的模型也存在本文提到的不可靠性问题： 包括OpenAI的o1模型、Antropicic的Claude-3.5-Sonnet和Meta的LLaMA-3.1-405B。 并有一篇文档分别举出了例子（具体可查阅原文档）：     此外，为了验证其他模型是否存在可靠性问题，作者将论文用到的测试基准ReliabilityBench也开源了。 这是一个包含五个领域的数据集，有简单算术（“加法”）、词汇重组（“字谜”）、地理知识（“位置”）、基础和高级科学问题（“科学”）以及以信息为中心的转换（“转换”）。       02 作者介绍 论文一作Lexin Zhou（周乐鑫），目前刚从剑桥大学CS硕士毕业（24岁），研究兴趣为大语言模型评测。 在此之前，他在瓦伦西亚理工大学获得了数据科学学士学位，指导老师是Jose Hernandez-Orallo教授。     个人主页显示，他曾有多段工作实习经历。在OpenAI和Meta都参与了红队测试。（Red Teaming Consultancy ）     关于这篇论文，他重点谈到： 通用人工智能的设计和开发需要进行根本性转变，特别是在高风险领域，因为可预测的错误分布至关重要。在此实现之前，依赖人类监督是一种危险。 评估模型时，考虑人类认为的难度和评估模型的回避行为，可以更全面地描述模型的能力和风险，而不仅仅关注在困难任务上的表现。     论文也具体提到了导致这些不可靠性的一些可能原因，以及解决方案：  在Scaling-up中，近几年的benchmarks越来越偏向于加入更多困难的例子，或者给予所谓“权威”来源更多权重，研究员也因此更倾向于优化模型在困难任务上的表现，导致在难度一致性上慢性恶化。 在shaping-up中（如RLHF），被雇佣的人倾向于惩罚那些规避任务的答案，导致模型更容易在面对自己无法解决的难题时“胡说八道”。 至于如何解决这些不可靠性，论文认为，可以使用人类难度预期去更好的训练或微调模型，又或者是利用任务难度和模型自信度去更好的教会模型规避超出自身能力范围的难题，等等。 对此，你有何看法？ 文章： https://www.nature.com/articles/s41586-024-07930-y 参考链接： [1]https://x.com/lexin_zhou/status/1838961179936293098 [2]https://huggingface.co/datasets/lexin-zhou/ReliabilityBench [3]https://lexzhou.github.io/

  • 2024-07-02

  • 发表了主题帖： 大侠们，数字电源入门需要学哪些知识点呀？

    坛子里的大侠们，有谁懂数字电源的不？？能不能给我这个小白讲讲，想要入门数字电源的话得先了解先学哪些知识点？ 在网上我看了下，有几点，包括：学习buck电路，了解反馈类型，环路控制，还有C语言...   有大侠给指指路吗？说说怎么学，给咱投递点学习资料呀~~~

  • 2024-06-12

  • 发表了主题帖： 求推荐好用的PMIC芯片！

    大侠们都有用过哪家的PMIC芯片觉得性能比较不错的不？求推荐好用的PMIC芯片呀~   需要3.3V转5V的，要有过流保护的。   我在ee电源站上看到有推荐的Qorvo的PMIC模块，有用过的觉得他家的可以不？

  • 2024-05-23

  • 发表了主题帖： 问一个关于应急电量的问题

    大家好，我想询问下一个关于应急电量的问题。具体是这样子的，给家里小孩买的定位手表，小孩子玩到没电了自动关机的情况下丢了就找不到了。这种保障性质的产品，难道不应该是要有预留电量保存着吗？ 想问问大家，如果我想自己改一下，要给电池留出一部分电量，作为应急电量。电路或者代码上应该怎么整呀？一般的留应急电量的处理方式是什么样子的呢？

发布的帖子

最近访客

< 1/1 >

统计信息

已有2人来访过

  • 芯积分：10
  • 好友：--
  • 主题：10
  • 回复：2

留言

你需要登录后才可以留言 登录 | 注册

现在还没有留言

推荐博文