大模型推理更可能是概率模式匹配？北大团队从蒙特卡洛语言树的新视角解读GPT，思维链原理也有新的理解

文章预览

文章转载于量子位（QbitAI） 思维链（CoT）为什么能够提升大模型的表现？大模型又为什么会出现幻觉？ 北大课题组的研究人员，发现了一个分析问题的新视角，将语言数据集和GPT模型展开为 蒙特卡洛语言树 。 具体来说，数据集和模型分别被展开成了 Data-Tree 和 GPT-Tree 。 结果，他们发现，现有的模型 拟合训练数据的本质是在寻求一种更有效的数据树近似方法 (即 )。 进一步地，研究人员认为，大模型中的推理过程， 更可能是概率模式匹配，而不是形式推理 。 1    将数据和模型拆解为蒙特卡洛树 在预训练过程中，大模型通常学习的是如何预测下一个token（也就是将每个token的似然进行最大化），从而对大规模数据进行无损压缩。 其中， 是优化上述似然得到的模型参数。 作者发现， 任何语言数据集 都可以用蒙特卡洛语言树 （简称“Data-Tree” ………………………………