华人团队提出「CoD」草稿链，减少 80% Token，AI 省钱第一名！

70 0 0

文章摘要

在AI领域，大规模语言模型（LLMs）已经展示了强大的推理能力，但高昂的计算成本和延迟问题依然是一个重大挑战。最近，Zoom的研究团队提出了一种全新的推理范式——「草稿链（Chain-of-Draft, CoD）」，旨在通过模仿人类的简洁思维过程，提升AI的推理效率，从而显著降低成本。数据显示，使用CoD可以将Token使用减少80%，同时保持与「思维链（Chain-of-Thought, CoT）」相当的准确性。

传统的「思维链」方法鼓励模型将问题分解成一步步的推导，类似于人类在纸上写下完整的解题过程。尽管这一方法有效，但它在推理时需要大量的计算资源，导致输出冗长且延迟较高。相比之下，人类在解决问题时通常依赖简洁的草稿或速记来捕捉必要的见解，而不做不必要的详细阐述。受此启发，Zoom团队提出了「草稿链」这一新范式，鼓励模型生成极简的中间推理步骤，只要捕捉解决问题的关键信息。

通过实验，Zoom团队发现，草稿链在算术推理、常识推理和符号推理任务中表现优异，不仅减少了冗余，还显著降低了计算成本和延迟。例如，在算术推理任务中，使用草稿链的GPT-4o和Claude 3.5 Sonnet模型在GSM8k数据集上的准确率分别为91.1%和91.4%，而思维链的准确率分别为95.4%和95.8%。尽管草稿链的准确率略低，但它将Token使用减少了80%，并将延迟降低了76.2%和48.4%。

此外，草稿链在常识推理和符号推理任务中同样表现出色。例如，在掷硬币任务中，草稿链将GPT-4o的Token使用减少了68%，而Claude 3.5 Sonnet的Token使用减少了86%，同时保持了100%的准确率。这些结果表明，草稿链在保持高准确性的同时，能够显著降低计算成本和延迟，使其在成本敏感的场景中具有广泛的应用潜力。

然而，草稿链也有其局限性。对于需要大量反思、自我纠正或外部知识检索的任务，它可能效果较差。此外，OpenAI在3月10日发文提到，他们相信「思维链监控」可能是未来监督超人类模型的少数工具之一，建议不要对前沿推理模型的CoT施加强烈的优化压力，保持CoT不受限制，以便进行监控。因为模型通常会在「思维链」中非常清楚地陈述其意图，让人类可以看到模型的思维，从而检测模型一些不当行为。

无论如何，从「思维链」到「草稿链」，AI推理范式还在不断进化。随着应用场景的扩展，成本与速度越来越成为绕不过的关键指标。CoD的出现，证明了人们依然在探索如何在保持大模型进步的前提下，进一步降低成本，加速AI的普及。