我要投稿

自生成数据: 提升 LLM 推理能力的新途径

发布日期：2024-09-26 18:02:18 浏览次数： 2647

作者：NLP轻松谈

微信搜一搜，关注“NLP轻松谈”

Google DeepMind高级研究科学家Rishabh Agarwal的一篇非常有深度的演讲稿，主要探讨了如何通过自生成数据来改进LLM的推理能力。

当前 LLM 训练面临的一个关键挑战: 高质量训练数据的稀缺，传统方法依赖从网络抓取或人工收集高质量数据，这种方式既耗时又昂贵，难以扩展，特别是对于复杂任务而言。

为解决这一问题，演讲者提出了一个创新性的想法: 让模型自己生成训练数据。但这里存在一个潜在的问题: 如果简单地让模型生成数据并用于训练，可能会导致 "模型崩溃"。

ReST_EM算法

介绍了一种称为 ReST_EM (Reinforcement Self-Training via Expectation-Maximization) 的算法来解决这个问题:

E-step：从模型生成样本，并使用二元反馈进行筛选。
M-step：对筛选后的样本进行微调。

这个过程本质上对应于基于期望最大化的强化学习。

实验结果

ReST_EM 在数学和编程等问题解决任务上取得了显著效果，甚至超过了人类数据训练的模型。这表明自生成数据可能比人类数据更加 "in-distribution" (即更符合模型的分布)。

验证器 (Verifier) 的引入

进一步探讨了如何利用错误解答来训练验证器。验证器可以帮助模型在测试时更好地利用计算资源，提高性能。

Next-Token 预测：将验证器训练为下一个 token 的预测器，这有助于统一生成和验证任务。
链式推理（Chain-of-Thought）：允许验证器使用链式推理来评估解决方案。

计算匹配采样

通过计算匹配采样，可以在给定计算资源的情况下，让小模型生成更多样本，从而提高大模型的性能。

考虑计算成本：根据模型参数和推理 token 数量来优化采样成本。
知识蒸馏：使用较小的模型来生成更高质量的合成数据。

上下文学习 (In-Context Learning)

最后探讨了是否可以通过上下文学习来替代微调过程，提出了强化上下文学习 (Reinforced ICL) 的概念。

多样本 In-Context 学习：在模型的上下文中使用多个样本来增强学习效果。
迭代学习：通过迭代过程来提高模型在复杂任务上的性能。

Rishabh Agarwal通过这些方法，展示了如何通过自生成数据和验证器来提高 LLMs 在问题解决任务上的性能，尤其是在数学和编程领域。此外，还讨论了如何通过优化计算成本和利用较小模型来进一步提高数据生成的效率和质量。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-02-04

Agent 越用越聪明？AgentScope Java 在线训练插件来了！

2026-02-03

OpenClaw之后，我们离能规模化落地的Agent还差什么？

2026-01-30

Oxygen 9N-LLM生成式推荐训练框架

2026-01-29

自然·通讯：如何挖掘复杂系统中的三元交互

2026-01-29

微调已死？LoRA革新

2026-01-19

1GB 显存即可部署：腾讯 HY-MT1.5 的模型蒸馏与量化策略解析

2026-01-18

【GitHub高星】AI Research Skills：一键赋予AI“博士级”科研能力，74项硬核技能库开源！

2026-01-10

前Mata GenAI研究员田渊栋的年终总结：关于未来AI的思考

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

AI基础 | Qwen3 0.6B 微调实现轻量级意图识别

2025-11-21

OpenAI公开新的模型训练方法：或许能解决模型撒谎问题，已在GPT-5 thiking验证

2025-12-04

2026年 LLM 微调全指南

2026-01-04

DeepSeek 发布新论文，提出全新 MHC 架构，有何创新与应用前景？

2026-01-02

大模型微调全流程实战指南：基于IPO框架的深度解析与优化

2025-11-22

从零开始：手把手教你微调Embedding模型，让检索效果提升10倍！

2025-11-20

刚刚，梁文锋署名，DeepSeek元旦新论文要开启架构新篇章

2026-01-01

LoAR做Fine-Tuning微调原理到底是什么？

2025-11-19

Open联合创始人：AI大模型2025年度回顾

2025-12-21

微调Rerank模型完整指南

2025-11-23

大家都在问

OpenClaw之后，我们离能规模化落地的Agent还差什么？

2026-02-03

DeepSeek 发布新论文，提出全新 MHC 架构，有何创新与应用前景？

2026-01-02

LoAR做Fine-Tuning微调原理到底是什么？

2025-11-19

如何将 AI 代码采纳率从30%提升到80%？

2025-09-25

大模型微调，为什么99%的企业都不应该碰这个坑？

2025-06-20

万不得已，不要对 LLM 进行微调？

2025-06-17

可以将任何符合OpenAPI规范的接口转 MCP Server吗？

2025-05-21

OpenAI发布GPT-4.1系列模型，对行业最大吸引力是什么？

2025-05-17

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean

应聘简历请发送至： [email protected]

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部