谷歌等最新研究，合成数据可将大模型数学推理提升8倍

232 0 0

文章摘要

随着大模型如ChatGPT的快速发展，对高质量训练数据的需求呈指数级增长，预计最快将在2026年耗尽现有的300万亿tokens的公开数据集。为了解决这一问题，合成数据被视为最有效的替代方案。卡内基梅隆大学、谷歌DeepMind和MultiOn的研究人员联合发布了一篇论文，探讨了合成数据在训练大模型中的价值。研究提出了正面和负面两种数据类型，正面数据由高性能大模型如GPT-4生成，提供了正确的示例，帮助模型学习解决类似问题。然而，仅依赖正面数据存在局限性，模型可能通过模式匹配而非真正理解来学习，且随着数据量增加，模型可能依赖错误关联，导致泛化能力降低。

负面数据则提供了错误示例，帮助模型学习避免错误，增强逻辑推理能力。例如，国内“弱智吧”数据就属于负面数据类型。然而，负面数据的利用并不容易，错误的步骤可能包含误导性信息，加剧模型的错误学习。研究人员通过DPO（直接偏好优化）方法优化了负面数据的使用，为每个解题步骤分配优势值，反映其在正确解题路径中的相对价值。高优势值表示关键步骤，低优势值则揭示推理问题。通过强化学习，模型动态调整策略，更高效地学习和改进合成数据。

在DeepSeek-Math-7B、LLama2-7B等模型上的测试显示，经过正面和负面合成数据预训练的大模型，在数学推理任务上的性能提升了8倍。这表明，通过纠正错误并从中学习，大模型能够更有效地掌握数学逻辑和问题解决技巧。这一研究为大模型的训练提供了新的思路，强调了合成数据在提升模型性能中的重要作用。