跳到主要内容

🟡 提示多样性

DiVeRSe1 ("Diverse Verifier on Reasoning Steps") 是一张通过三重方式提高答案可靠性的方法。它通过使用多个提示生成多样化的补全结果（completions），使用验证器区分好的答案和坏的答案，并使用验证器检查推理步骤的正确性。

DiVeRSe (Li et al.)

提示多样性​

DiVeRSe使用五个不同的提示来对给定的输入进行编码。为了构造每个提示，他们随机从训练集中抽取几个样例。以下是一个样本（k = 2）的少量数据提示，其中样例取自GSM8K 基准测试2。在此基准测试中，DiVeRSe使用5个样例来构建提示。

Q：Natalia在4月份向她的48个朋友出售了夹子，然后在5月份卖出了一半。 Natalia在四月和五月共卖了多少个夹子？
A：Natalia在五月份卖出了48/2 = 24个夹子。
Natalia在四月和五月共卖出了48 + 24 = 72个夹子。
#### 72
Q：Weng为照看孩子每小时赚取12美元。昨天，她只照看了50分钟。她赚了多少钱？
A：翁每分钟赚12/60 = 0.2美元。
工作50分钟，她赚了0.2 x 50 = 10美元。
#### 10
Q：贝蒂正在为一只价值100美元的新钱包存钱。贝蒂只有一半的钱。她的父母决定给她15美元，并且她的祖父母比她的父母多两倍。贝蒂还需要多少钱才能买钱包？
A：

在生成类似上面的5个不同提示之后，DiVeRSe为每个提示（temperature = 0.5）采样20条推理路径。以下是上述提示的几个样本的补全结果。请注意，答案并不总是正确的。

Betty有0.5*100 = $50。
然后她又得到了15美元 = $65。
然后她又得到了2*15美元 = $90。
她还需要100-90 = $10。
#### 10
A: Betty有0.5*100 = $500。
然后她又得到了15美元 = $650。
然后她又得到了2*15美元 = $900。
她还需要100-90 = $1000。
#### 1000

此时，DiVeRSe已经生成了100个不同的完成。

投票验证器​

现在，我们可以像自洽性3一样，直接采用多数答案。

但是，DiVeRSe提出了一种更复杂的方法，称为投票验证器。

在测试时，使用投票验证器是一个两步过程。首先，验证器（一个神经网络）根据其可能正确的概率为每个补全结果分配0-1分数。然后，“投票”组件对不同答案的所有分数进行求和，并产生最终答案。

样本​

这里是一个小例子。假设对于二加二等于几？这个提示的补全结果是这样的：

4
二 + 2 = 5
我想 2+2 = 6
二加二 = 4
答案是5

验证器将读取每个补全结果并为其分配分数。例如，它可能分配以下分数：0.9，0.1，0.2，0.8，0.3。然后，“投票”组件将对每个答案的分数进行求和。

score(4) = 0.9 + 0.8 = 1.7
score(5) = 0.1 + 0.3 = 0.4
score(6) = 0.2

最终答案是4，因为它具有最高的分数。

但验证器是如何训练的？

验证器使用稍微复杂的损失函数进行训练，在这里不进行详细介绍。请阅读论文3.3节以获取更多细节1。

总结​

这里主要是使用多个提示来生成多样化的补全结果。在实践中，与投票验证相比，多数投票可能效果更好。

  1. Li, Y., Lin, Z., Zhang, S., Fu, Q., Chen, B., Lou, J.-G., & Chen, W. (2022). On the Advance of Making Language Models Better Reasoners. ↩
  2. Cobbe, K., Kosaraju, V., Bavarian, M., Chen, M., Jun, H., Kaiser, L., Plappert, M., Tworek, J., Hilton, J., Nakano, R., Hesse, C., & Schulman, J. (2021). Training Verifiers to Solve Math Word Problems. ↩
  3. Mitchell, E., Noh, J. J., Li, S., Armstrong, W. S., Agarwal, A., Liu, P., Finn, C., & Manning, C. D. (2022). Enhancing Self-Consistency and Performance of Pre-Trained Language Models through Natural Language Inference. ↩