ChatGPT背后“推理”如何做？浙大等最新《基于语言模型提示的推理》综述，阐述大模型提示推理机制与方法体系...

来自：专知

进NLP群—>加入NLP交流群

作为解决复杂问题的基本能力，推理可以为各种实际应用提供后端支持，如医学诊断、谈判等。本文对语言模型提示推理的前沿研究进行了全面概述。我们介绍了研究成果的对比和总结，并为初学者提供了系统性的资源。我们还讨论了这种推理能力出现的潜在原因，并强调了未来研究的方向。

1. 引言

推理能力是人类智能的核心，然而在自然语言处理（NLP）领域，现代神经网络很难从所告知或已知的信息中进行推理（Duan 等，2020；Wang 等，2021；Bhargava 和 Ng，2022）。幸运的是，zhe（Brown 等，2020；Chen 等，2021；Chowdhery 等，2022），扩大语言模型（LMs）的规模已经被证明可以赋予一系列推理能力，如算术推理（Wang 等，2022e；Lewkowycz 等，2022）、常识推理（Jung 等，2022；Liu 等，2022b）和符号推理（Zhou 等，2023；Khot 等，2023）。如图 1 所示，这种能力可以通过提示策略（Liu 等，2022d）（如思维链提示（CoT）（Wei 等，2022b），生成知识提示（Liu 等，2022c））来解锁，从而大大缩小人类与机器智能之间的差距。同样，NLP领域有大量的工作被提出；然而，这些方法分散在各种任务中，并未得到系统的回顾和分析。

本综述组织：在本文中，我们进行了第一次关于语言模型提示推理的最近进展调查。我们首先介绍这个方向的一些初步内容（§2），然后建议按照分类法组织相关工作（§3）。我们进一步提供深入的比较和讨论以获得洞察力（§4）。为了方便对这个领域感兴趣的初学者，我们强调了一些开放资源（§5）以及潜在的未来发展方向（§6）。

为了提高语言模型提示的推理能力，研究主要有两个分支。第一个分支专注于优化提示推理策略，如图 2 所示，包括提示工程（§3.1.1）、过程优化（§3.1.2）和外部引擎（§3.1.3）。

在提示工程（§3.1.1）中，许多方法试图提高提示 T 的质量，我们称这些工作为单阶段方法；而其他方法在每个推理阶段将 ci 添加到（T ，Q）的上下文中，或为每个 ci 设计特定的 Tci ，我们将这些方法视为多阶段方法。需要注意的是，这里的一个阶段是指一个输入输出过程。对于过程优化（§3.1.2），最简单的方法是引入带有参数θ的优化器，用于在生成A时校准C，我们称这些工作为自优化方法。另一些方法尝试获得多个过程来得到最终的答案组合，我们将这些工作视为集成优化方法。此外，整个优化过程可以通过对生成的三元组（Q，C，A）进行微调 pLM 迭代地集成，这被视为迭代优化方法。此外，一些工作利用外部推理引擎（§3.1.3）生成 T ，直接执行 C 或通过在 C 中植入工具 API 调用进行推理。研究的第二个分支重点关注提示的知识增强。需要注意的是，LM 中丰富的隐式“模型知识”（Han等人，2021）可以生成知识或基于知识的提示 T（§3.2.1）。同时，外部资源中的显式知识也可以被利用并检索为知识性提示，以增强推理（§3.2.2）。

3. 方法体系

在本文中，我们调研了现有的基于语言模型提示的推理方法，并将它们归类为策略增强推理（§3.1）和知识增强推理（§3.2）。如图2所示，我们根据不同方法的独特特征进一步细化它们。

3.1 策略增强推理

这方面工作的主要目的是设计更好的推理策略，具体体现在提示工程(§3.1.1)、流程优化(§3.1.2)和外部引擎(§3.1.3)中。

3.1.1提示工程

一种改进提示推理的直观方法是提示工程。如图3所示，我们根据提示阶段的数量将这种方法分为单阶段提示和多阶段提示。

3.1.2 流程优化

自然语言理据(Ling et al.， 2017a)，也称为CoT中的推理过程，在CoT提示中起着至关重要的作用(Ye and Durrett, 2022;Lampinen等人，2022;Min et al.， 2022)。推理过程的一致性(Wang et al.， 2022e)和推理步骤之间的连续性(Li et al.， 2022d)都会影响最终答案的准确性。直观地，如图4所示，我们将这一行方法分为三种类型，即自优化、集成优化和迭代优化。

3.1.3 外部引擎

在LM提示下进行推理时，模型应具有语义理解(如问题)和复杂推理(如通过生成推理过程)的能力;然而，我们不能同时拥有鱼和熊掌(Hendrycks等人，2021;Nogueira等人，2021;Lewkowycz等人，2022)。为了打破这个障碍，外部推理引擎可以帮助语言模型(见图5)。

3.2 知识增强推理

正如Manning(2022)所指出的，知识在AI推理系统中起着至关重要的作用。知识增强方法旨在用隐式(§3.2.1)或显式(§3.2.2)知识提示语言模型，以协助推理(见图6)。

3.2.1 隐式知识

研究人员已经证明，语言模型中包含大量的隐式知识（Davison等人，2019；Petroni等人，2019；Jiang等人，2020）。以下工作试图将这种“模型知识”引入作为知识提示进行推理。刘等人（2022c）使用少量提示的 GPT-3（Brown 等人，2020）生成知识并提示下游 LM。刘等人（2022b）借助强化学习（Schulman等人，2017）进一步校准知识。与在知识生成阶段使用少量提示的方法不同，孙等人（2022）提出了一种两阶段生成提示，其中还包括答案生成提示。其他工作（李等人，2022b；王等人，2023；Shridhar等人，2022；Magister等人，2022；何等人，2022）遵循知识蒸馏，通过提示更大的 LM 生成推理样本并教授较小的 LM。

3.2.2显性知识

尽管大型语言模型已显示出强大的生成能力(Wiegreffe等人，2022;Li等人，2022b;Wang et al.， 2023)，他们仍然有幻觉事实的倾向(Rohrbach等人，2018)和产生不一致的知识(Liu et al.， 2022b)。最近的工作表明，在上下文学习中检索提示是取得良好性能的一种很好的方法(Liu等人，2022a;Rubin等人，2022)。由于常用检索方法在度量结构化信息相似性方面的不稳定性，Lu等人(2023b)提出了一种基于策略梯度策略的动态提示检索方法，无需暴力搜索。SU等人(2023)制定了一个选择性的标注框架，以避免对大型标注检索语料库的需求。He et al.(2023)根据CoT的推理步骤检索相关知识，以提供更可靠的解释。Trivedi等人(2022)通过持久检索wiki文档来增强CoT提示，用于需要复杂的多步骤推理的开放域知识密集型任务。

4 比较与讨论

表1显示了不同方法的四种比较范围。图7进一步说明了不同规模的语言模型在算术推理的GSM8K (Cobbe等人，2021)上的性能比较。常识推理基准的类似结果见附录A.3。模型规模较大的语言模型包含更多用于推理的隐性知识(Liang等人，2022b)。对代码分支进行预训练，不仅可以增强代码生成/理解能力，还可以激发CoT的推理能力。.输入上下文中包含的高质量推理依据是LM提示推理的关键。