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： 2818

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

2026-05-14

多轮 Agent 场景下，滴滴的 EAGLE-3 训推加速实践

2026-05-06

谁说 Mac 只能写代码？Google 官宣：M 芯片本地微调 Gemma 4 时代开启！

2026-04-20

用 Unsloth 微调 Embedding 模型，让你的 RAG 检索不再答非所问

2026-04-15

ComfyUI v0.19.0 更新：大量新节点、新模型、新修复与性能优化全面落地，工作流与训练能力再升级

2026-04-13

Agent 持续学习落地路径：先做 Traces，再做 Context，最后才微调模型 | Jinqiu Select

2026-03-23

养死四只龙虾的小白有感

2026-03-22

Mistral Forge 的真正意义：企业AI从“租用”走向“拥有”

2026-03-21

马斯克再次站台Kimi，扒掉了Cursor 500亿估值的底裤

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

MiniMax M2.7 炸场！自己训自己，8 项基准硬刚 GPT-5 和 Opus 4.6

2026-03-19

ComfyUI v0.19.0 更新：大量新节点、新模型、新修复与性能优化全面落地，工作流与训练能力再升级

2026-04-15

马斯克再次站台Kimi，扒掉了Cursor 500亿估值的底裤

2026-03-21

罕见！Meta、OpenAI、xAI联合分享了用生产环境提升LLM的最佳实践！

2026-03-03

养死四只龙虾的小白有感

2026-03-23

Mistral Forge 的真正意义：企业AI从“租用”走向“拥有”

2026-03-22

【淘宝直播数字人互动LLM】告别AI感：基于真人ASR数据的拟人化探索

2026-03-17

Agent 持续学习落地路径：先做 Traces，再做 Context，最后才微调模型 | Jinqiu Select

2026-04-13

用 Unsloth 微调 Embedding 模型，让你的 RAG 检索不再答非所问

2026-04-20

谁说 Mac 只能写代码？Google 官宣：M 芯片本地微调 Gemma 4 时代开启！

2026-05-06

大家都在问

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

私有部署大模型需要多少显存？

2025-05-14

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 Skill 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 Openclaw

应聘简历请发送至： ceo@53ai.com

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