Google ASPIRE框架：赋予大型语言模型（LLMs）自我评估的新动力

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/ 。?

在人工智能的飞速发展中，一个名为ASPIRE的新框架让大型语言模型（LLMs）的潜能再上一层楼。ASPIRE的核心在于教会LLMs不仅仅是回答问题，更重要的是，对这些答案进行自我评估，就像学生在教科书后面核对答案一样。该框架包括三个关键阶段：特定任务的调整、答案采样和自我评估学习。

首先是特定任务的调整。ASPIRE通过调整特定任务的参数（θp）来培训LLMs，同时保持模型本身的稳定。在这一阶段，LLMs通过使用一些参数效率高的调整技术，如软提示调整和LoRA，针对特定任务进行微调。这种微调不仅提高了模型的预测准确性，还增加了正确输出序列的可能性。

接下来是答案采样阶段。ASPIRE使用经过特定任务调整的LLMs为每个训练问题生成不同的答案，并为自我评估学习创建数据集。这里，束搜索算法被用于生成高可能性的输出序列，而Rouge-L度量则用于判断这些输出序列是否正确。

最后，是自我评估学习阶段。在为每个查询生成高可能性的输出后，ASPIRE通过添加可适应参数（θs）并仅对其进行微调来学习自我评估。冻结原始的θ和经过学习的θp参数可以确保在自我评估学习过程中不会改变LLM的预测行为。最终目的是优化θs，使得经过适应的LLM能够自行区分正确和错误的答案。

这个框架的实施主要是通过软提示调整来完成的。通过这种机制，可以学习“软提示”来使冻结的语言模型更有效地执行特定的下游任务。实验结果表明，使用ASPIRE调整后的LLMs在多个问答数据集上表现出色，例如CoQA、TriviaQA和SQuAD。在这些测试中，即使是比大型预训练模型更小的LLMs，也能通过ASPIRE实现类似甚至更高的准确性。

通过ASPIRE框架的应用，LLMs在选择性预测任务中的性能得到了显著提升，这不仅展示了LLMs在自我评估方面的潜力，也为未来AI在关键应用领域中的应用开辟了新道路。研究团队对ASPIRE的未来应用充满期待，并邀请社区共同参与这一激动人心的旅程。

论文地址：?https://aclanthology.org/2023.findings-emnlp.345.pdf