CoT-SC论文速读

1.论文速读

本文提出了一个重要的Decoder策略为：“Self-Consistency”,并将其用在CoT的Prompt工作中。

该策略作用：让LLM在处理复杂问题时，让他尝试多个推理路径，每一个推理路径都是一次CoT（Chain of Thought）的过程，每个可以得到一个Answer，并将所有Answers进行统计，进而得到投票次数最高的的Answer作为最终答案。

self-consistency

原文部分内容：人类的一个显著方面是，人们的思维方式会有所不同。我们很自然地认为，在需要深思熟虑的思考的任务中，可能有几种方法来解决这个问题。我们建议在这样的过程中，可以通过从语言模型的解码器中采样【Sample生成多条思维链】，在语言模型中进行模拟。例如，如图1所示，一个模型可以对一个数学question生成几种可信的响应它们都得到相同的正确答案（输出1和3）。由于语言模型不是完美的推理者，模型也可能产生不正确的推理路径或在一个错误 f的推理步骤（例如，在输出2中），但这样的解决方案不太可能得到相同的答案。也就是说，我们假设正确的推理过程，即使它们是多样化的，也会倾向于在最终的答案中比错误的过程更一致。我们利用这种直觉，提出了以下的自一致性方法（Self-Consisency）。首先，用一组手工编写的思维链样本（Wei et al.，2022）。

SC与CoT的区别：

CoT-SC：解码器（Decoder）采用的策略是采样和边缘化（Sample and Marginalize），Sample的主要作用是让LLM的decoder生成多条推理路径，而Marginalize Out的作用在于：将生成的推理路径所得到的答案【final answer set】进行汇总确定唯一一个最终答案【the most consistent answer】。

CoT：采用的就是Greedy Decoding（贪婪策略），类似于贪心算法，在推理步骤中每一步选择都选择当前概率最高的词or标记。【这保证了生成的推理路径是单一的，每一步都是current下最优的一步】

问题：贪婪编码（Greedy Decoder）在文本生成过程中，每一步只会选择概率最高的词【即局部最优解】，忽略了长远的结果【全局结果】。

CoT对比self-consistency

在方法上，除了多数投票（MV），还对比了不同答案聚合策略对推理任务的准确率，比如：归一化加权求和【Weighted sum(normalized)】等。对比之下，发现加权求和归一化的效果和多数投票差不多：

具体是对答案标记为ai，过程即推理路径标记为ri，作者将(ri,ai)的生成联系起来，其中ri——>ai。比如：考虑图 1 中的输出 3：前几句“她早餐吃 3 个……所以她有 9 个蛋 * $2 = $18.”构成 ri，而最后一句“答案是 $18”中的答案 18 被解析为 ai。

2.实验证明

同时论文指出，有时候 CoT 的使用让 LLM 的表现可能还不如标准的 prompt，这时候引入 Self-consistency 可以提升 CoT 的表现。如下是实验证明：在这里插入图片描述

另外，Self-Consistency跟很多算法都兼容：比如，temperature sampling、top-k sampling、nusleus-sampling。

we sample a set of candidate outputs from the language model’s decoder, generating a diverse set of candidate reasoning paths. Self-consistency is compatible with most existing sampling algorithms, including temperature sampling ( Ackley et al. , 1985 ; Ficler & Goldberg , 2017 ), top- k sampling ( Fan et al. , 2018 ; Holtzman et al. , 2018 ; Radford et al. , 2019 ), and nucleus sampling ( Holtzman et al. , 2020 ). Finally, we aggregate the answers by marginalizing out the sampled reasoning paths and choosing the answer that is the most consistent among the generated answers.