新智元報(bào)道

編輯：LRS

(資料圖片)

【新智元導(dǎo)讀】GPT內(nèi)部表征確實(shí)存在真實(shí)信息，哈佛學(xué)者提出ITI引導(dǎo)輸出走向事實(shí)方向。

大型語言模型，比如ChatGPT經(jīng)常會(huì)在答案中輸出錯(cuò)誤信息，可能會(huì)對用戶造成誤導(dǎo)，這種現(xiàn)象也被稱為模型幻覺（hallucination）。

從直覺上看，語言模型上在訓(xùn)練中肯定是見過正確答案的，只不過在推理過程中丟失了事實(shí)信息。

最近，哈佛大學(xué)的研究人員提出了推理-時(shí)間干預(yù)（Inference-Time Intervention，ITI）技術(shù)，在推理階段對模型激活進(jìn)行變換（shift），將模型輸出引導(dǎo)到事實(shí)的方向上，干預(yù)結(jié)果顯著提高了LLaMA模型在TruthfulQA基準(zhǔn)測試中的性能，將Alpaca模型的真實(shí)性從32.5%提高到65.1%

論文鏈接：https://arxiv.org/pdf/2306.03341.pdf

代碼鏈接：https://github.com/likenneth/honest_llama

研究人員用此技術(shù)開發(fā)并開源了一個(gè)「誠實(shí)的LLaMA」模型。

ITI還可以通過控制超參數(shù)來調(diào)整干預(yù)強(qiáng)度，平衡模型的真實(shí)性和有用性；ITI沒有修改原始模型，也基本沒有計(jì)算開銷；并且ITI也不需要大量的標(biāo)注數(shù)據(jù)，只需要幾百個(gè)樣本即可確定事實(shí)的真實(shí)性方向。

研究結(jié)果表明，語言模型內(nèi)部表征中確實(shí)存在事實(shí)信息，不過有時(shí)在生成時(shí)選擇了錯(cuò)誤事實(shí)。

ITI讓答案更真實(shí)

已經(jīng)有相關(guān)工作在「理解LLMs的內(nèi)部運(yùn)作機(jī)制」方面取得了進(jìn)展，其中一個(gè)重要的主題是，語言模型的激活空間似乎包含可解釋的方向，在推理過程中會(huì)發(fā)揮因果作用。

研究人員基于這個(gè)想法提出了一種增強(qiáng)語言模型事實(shí)性的方法，即推理-時(shí)間干預(yù)，其基本思想是確定激活空間中與事實(shí)正確的語句相關(guān)的方向，然后在推理過程中向該方向變換激活。

這篇論文主要探索了如何控制模型行為，并在實(shí)驗(yàn)中使用開源的LLaMA、Alpaca和Vicuna模型，不過該思想適用于所有GPT風(fēng)格的系統(tǒng)，但必須可以獲得模型的內(nèi)部激活和計(jì)算。

ITI方法還需要一組有標(biāo)注的問答對，用以確定與模型講真話有關(guān)的注意頭和方向。

基本設(shè)置

在數(shù)據(jù)集選擇上，研究人員選擇了TruthfulQA，可以衡量語言模型在生成答案時(shí)是否真實(shí)。

數(shù)據(jù)集中總共包含817個(gè)問題，橫跨38個(gè)類別（例如，邏輯錯(cuò)誤、陰謀和常見的混淆點(diǎn)），每個(gè)問題平均有3.2個(gè)真實(shí)的答案，4.1個(gè)虛假的答案，以及一個(gè)由可信的在線來源支持的金標(biāo)準(zhǔn)答案；然后將TruthfulQA的答案重新編排，總共得到5918個(gè)問答對，每個(gè)數(shù)據(jù)樣本都有一個(gè)二元真實(shí)性標(biāo)簽。

需要強(qiáng)調(diào)的是，該數(shù)據(jù)集并沒有涵蓋「真實(shí)」（truth）一詞的全部含義，想全部覆蓋也不大可能，研究人員主要關(guān)注如何避免「常見的人類誤解」，未來的研究方向會(huì)考慮擴(kuò)展真實(shí)性的概念及評估。

在模型架構(gòu)上，大型語言模型主要是Transformer層，每層內(nèi)的主要機(jī)制為多頭注意力（MHA）和多層感知器（MLP）。

在推理過程中，每個(gè)token首先被嵌入到一個(gè)高維空間中，該向量作為殘差流的起點(diǎn)，最終每個(gè)token解碼為對下一個(gè)token分布的預(yù)測；在每一層中，MHA由多個(gè)獨(dú)立的線性運(yùn)算組成，MLP則容納了模型中所有非線性運(yùn)算。

探測真實(shí)性

想要提升神經(jīng)網(wǎng)絡(luò)的真實(shí)性，首先需要判斷模型的激活空間內(nèi)是否存在能真實(shí)性或事實(shí)性。

識(shí)別網(wǎng)絡(luò)內(nèi)部表征的一個(gè)常用工具是探測（probe），即在網(wǎng)絡(luò)激活上訓(xùn)練一個(gè)分類器作為探測器以區(qū)分特定類型的輸入或輸出。

在事實(shí)性檢測上，探測器主要檢查可以區(qū)分真、假答案的注意力頭輸出值。

于TruthfulQA中的每個(gè)樣本，研究人員將問題/答案串聯(lián)在一起，并在最后一個(gè)token處取出頭部激活作為探測數(shù)據(jù)集；然后將數(shù)據(jù)集按4 : 1隨機(jī)分成訓(xùn)練集和驗(yàn)證集，在訓(xùn)練集上擬合一個(gè)二元線性分類器，并使用驗(yàn)證精度來衡量每個(gè)頭與基準(zhǔn)數(shù)據(jù)性能之間的關(guān)系。

實(shí)驗(yàn)結(jié)果展現(xiàn)了跨注意力頭的專用模式，對于每層的多個(gè)頭，線性探測可以達(dá)到基線模型的準(zhǔn)確性，不過還是顯示出強(qiáng)大性能的潛力，比如準(zhǔn)確率最高的是由第14層的第18個(gè)頭實(shí)現(xiàn)的，驗(yàn)證準(zhǔn)確性為83.3%

此外，還可以看到各層之間的差異：信息主要是在前面的層中處理的，每層內(nèi)部都有一小部分注意力頭脫穎而出。

通過類似主成分分析（PCA）的方法，可以將激活空間內(nèi)的維度降低到2，并進(jìn)行可視化，可以觀察到「真實(shí)」的概念不止存在于一個(gè)方向，而是存在于一個(gè)子空間內(nèi)。

推理-時(shí)間干預(yù)

上述探測實(shí)驗(yàn)描述LLM如何在其注意頭之間和內(nèi)部處理與事實(shí)有關(guān)的信息，還提出了一種改善基準(zhǔn)數(shù)據(jù)集性能的技術(shù)。

如果在推理過程中進(jìn)行干預(yù)，使激活向「真實(shí)」的方向轉(zhuǎn)變，那么網(wǎng)絡(luò)就有可能對基準(zhǔn)問題提供更真實(shí)的答案。

首先，研究人員并沒有選擇對所有注意力頭進(jìn)行干預(yù)，因?yàn)橹挥幸徊糠肿⒁饬︻^與真實(shí)性密切相關(guān)，而是只對前K個(gè)頭的結(jié)果進(jìn)行干預(yù)，以使其具有最小的侵略性。

第二個(gè)問題在于如何確定用于變換特定頭部輸出的激活的矢量，因?yàn)檎妗⒓僬Z句的幾何形狀都很復(fù)雜，在選擇變換激活的方向時(shí)，可以選擇與探測學(xué)到的分離超平面正交的向量，他也可以選擇連接真假分布的平均值的向量，下表中列出了不同干預(yù)方向的比較實(shí)驗(yàn)。

Probe weight方向是通過線性探針找到的方向，在這個(gè)方向上進(jìn)行干預(yù)，相當(dāng)于對頭部激活做梯度下降，使其被預(yù)測為真實(shí)的概率最大化。

Mass Mean Shift的工作原理是首先計(jì)算真實(shí)和虛假激活的平均值，然后使用從虛假平均值指向真實(shí)平均值的向量進(jìn)行干預(yù)。

對比一致搜索（CCS）為在只知道內(nèi)部激活成對信息的情況下找到的方向。

研究人員在TruthfulQA上訓(xùn)練CCS，對每個(gè)問題抽取一個(gè)真實(shí)的和一個(gè)錯(cuò)誤的答案，由于CCS不接受有標(biāo)簽的輸入，所以發(fā)現(xiàn)的方向有同等的機(jī)會(huì)成為真實(shí)和虛假的方向，然后使用標(biāo)簽來識(shí)別真實(shí)的方向以進(jìn)行干預(yù)。

研究人員首先通過驗(yàn)證集上的探測精度對所有注意力頭的真假相關(guān)度進(jìn)行排序。把前K個(gè)頭作為目標(biāo)集合；然后利用訓(xùn)練集和驗(yàn)證集的激活，估計(jì)沿真實(shí)方向的激活的標(biāo)準(zhǔn)偏差。

ITI是MHA的一種替代形式，對于未被選中的注意頭，θ是一個(gè)零向量，相當(dāng)于將激活沿真實(shí)方向移動(dòng)α倍的標(biāo)準(zhǔn)差。

整個(gè)過程對每次next token預(yù)測都是自回歸地重復(fù)的，并且與解碼算法的選擇是正交的。

公式中有兩個(gè)關(guān)鍵參數(shù)，即干預(yù)的注意力頭數(shù)量K和干預(yù)強(qiáng)度α，不過目前還沒有關(guān)于最佳值的理論論證，只能通過實(shí)驗(yàn)探索參數(shù)的影響，并通過標(biāo)準(zhǔn)的超參數(shù)掃描確定最佳值。

從計(jì)算效率角度來看，無論干預(yù)了多少個(gè)注意力頭，ITI只會(huì)在每一層增加一個(gè)常數(shù)向量，可以認(rèn)為干預(yù)措施的計(jì)算開銷接近于零。

實(shí)驗(yàn)部分

用于對比的基線方法如下：

1. 有監(jiān)督微調(diào)（SFT）

SFT是RLHF的第一階段，研究人員用問題作為提示，用交叉熵?fù)p失促使模型生成真實(shí)的答案，并懲罰錯(cuò)誤的答案。

但如果只用上述操作，交叉熵?fù)p失和KL散度會(huì)急劇上升，所以還需要交替對問答進(jìn)行有監(jiān)督訓(xùn)練和對開放網(wǎng)絡(luò)文本進(jìn)行預(yù)訓(xùn)練。

2. 少樣本提示（FSP）

有研究人員發(fā)現(xiàn)，與上下文蒸餾和RLHF相比，indistribution 50-shot提示在TruthfulQA上也是一個(gè)有競爭力的基線方法。

但由于提示策略的選擇與推理時(shí)間控制方法是正交的，研究人員對比了有ITI和無ITI的少樣本提示。

3. 指令微調(diào)（IFT）

為了了解ITI如何使IFT模型更加真實(shí)，研究人員主要選擇了兩個(gè)基于LaMA-7B的模型（Alpaca和Vicuna）執(zhí)行ITI操作。

研究人員首先尋找控制干預(yù)強(qiáng)度的超參數(shù)最佳值，最后確定K=48和α=15

從結(jié)果來看，少樣本提示與ITI的結(jié)合取得了最佳結(jié)果。

將ITI應(yīng)用于指令微調(diào)模型，尋找并干預(yù)其真實(shí)性方向的實(shí)驗(yàn)中可以看到，ITI明顯比基線提高了真實(shí)性，還可以被應(yīng)用在少樣本提示或指令微調(diào)之上，不過代價(jià)是CE損失和KL散度提升相對較低

參考資料：

https://the-decoder.com/honest-llama-new-method-could-make-chatgpt-more-truthful/

關(guān)鍵詞：