Преглед
Проклятието за обръщане е изненадващ неуспешен режим, при който езиков модел, който научава „А е Б“, не може надеждно да отговори „Б е А“. Той разкрива, че LLM съхраняват фактите като еднопосочни асоциации, а не като симетрично знание.
Обратното проклятие в LLMs е част от стека език-AI, използван за четене, генериране, класифициране и трансформиране на текст и реч в мащаб.
Дълбоко гмуркане
Документирано в доклад от 2023 г. на Берглунд и колеги, обратното проклятие показва, че ако моделът е обучен на „майката на Том Круз е Мери Лий Пфайфър“, той често се проваля, когато го попитат „Кой е синът на Мери Лий Пфайфър?“ въпреки че отговорът е логически идентичен. Ефектът продължава при размерите на моделите и дори след фина настройка на стотици такива факти. Това не е пропуск в паметта: моделът е видял информацията, но само в един ред. Тъй като обучението оптимизира предвиждането на следващия токен върху точния ред на думите в данните, статистическата връзка от A към B не създава автоматично връзка от B обратно към A. Откритието оспорва предположенията, че мащабът сам по себе си създава гъвкави, човешки разсъждения върху фактите.
Техническа информация
Трансформаторите се учат чрез предсказване на следващия токен при предварителен контекст, така че актуализациите на градиента укрепват картографирането на посоката „A след това B“, но оставят „B след това A“ непроменено, освен ако този ред не се появи и в обучението. Двете посоки живеят в отделни пътеки на тегло. Изследователите потвърдиха това чрез измерване на логаритмичните вероятности: след научаване на преден факт, вероятността на обратното твърдение остана близо до базовата линия, показвайки, че не е настъпила косвена логическа инверсия по време на обучението.
Овладяване на обратното проклятие в LLM
Проклятието за обръщане е изненадващ неуспешен режим, при който езиков модел, който научава „А е Б“, не може надеждно да отговори „Б е А“. Той разкрива, че LLM съхраняват фактите като еднопосочни асоциации, а не като симетрично знание. Обратното проклятие в LLMs е част от стека език-AI, използван за четене, генериране, класифициране и трансформиране на текст и реч в мащаб. За да изградите дълбоко разбиране, третирайте Reversal Curse в LLMs като оперативен модел, а не като отделна функция: дефинирайте желаните резултати, изяснете предположенията и отделете това, което системата може да направи надеждно от това, което все още изисква експертна преценка.
На практика силни екипи, използващи Reversal Curse в LLM, проектират цикли за подкани, извличане и преглед като една интегрирана комуникационна система. Те документират изрични критерии за успех, тестват срещу реалистични данни и работни потоци и повтарят въз основа на наблюдавани модели на неуспех, а не на еднократни победи в бенчмарка. Това е мястото, където теоретичното разбиране се превръща в трайна способност за продукти, политики и операции.
Езиковите работни процеси могат да се движат по-бързо, без да се жертва последователността. В същото време халюцинираните факти могат тихо да влизат в отчети, поддържащи потоци или резултати от изследвания. Най-устойчивият подход е да се комбинира скоростта на експериментиране с дисциплината на управление: стартирайте пилотни проекти, събирайте доказателства, публикувайте регистрационни файлове за решения и непрекъснато актуализирайте предпазните мерки, докато поведението на модела, очакванията на потребителите и регулаторните изисквания се развиват.
Стратегическо въздействие
Езиковите работни процеси могат да се движат по-бързо, без да се жертва последователността.
Езиковите работни процеси могат да се движат по-бързо, без да се жертва последователността. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Той разширява достъпа между езици и стилове на комуникация.
Той разширява достъпа между езици и стилове на комуникация. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Екипите могат да отделят повече време за преценка, докато автоматизацията се справя с повторението.
Екипите могат да отделят повече време за преценка, докато автоматизацията се справя с повторението. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Внедряване в реалния свят
Чатбот правилно посочва родителя на знаменитост, но не успява, когато бъде помолен да назове известното дете на този родител.
Модел рецитира „деветият президент беше Уилям Хенри Харисън“, но се препъва в „кой президент беше Уилям Хенри Харисън“.
Асистент за кодиране, който е научил съпоставяне на функция към описание, не може да възстанови името на функцията само от описанието.
Медицинска система за осигуряване на качеството, обучена на „лекарството X лекува състояние Y“, не успява да посочи лекарството X, когато бъде попитана какво лекува състояние Y.
Модели на изпълнение
Обратно проклятие в LLM на практика
Чатбот правилно посочва родителя на знаменитост, но не успява, когато бъде помолен да назове известното дете на този родител.
Чатбот правилно посочва родителя на знаменитост, но не успява, когато бъде помолен да назове известното дете на този родител. Екипите обикновено получават по-добри резултати, когато дефинират прагове за качество предварително, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Обратно проклятие в LLM на практика
Модел рецитира „деветият президент беше Уилям Хенри Харисън“, но се препъва в „кой президент беше Уилям Хенри Харисън“.
Модел рецитира „деветият президент беше Уилям Хенри Харисън“, но се препъва в „кой президент беше Уилям Хенри Харисън“. Екипите обикновено получават по-добри резултати, когато предварително определят праговете за качество, поддържат човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Обратно проклятие в LLM на практика
Асистент за кодиране, който е научил съпоставяне на функция към описание, не може да възстанови името на функцията само от описанието.
Асистент за кодиране, който е научил съпоставяне на функция към описание, не може да възстанови името на функцията само от описанието. Екипите обикновено получават по-добри резултати, когато дефинират прагове за качество предварително, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Обратно проклятие в LLM на практика
Медицинска система за осигуряване на качеството, обучена на „лекарството X лекува състояние Y“, не успява да посочи лекарството X, когато бъде попитана какво лекува състояние Y.
Медицинска система за осигуряване на качеството, обучена на „лекарство X лекува състояние Y“, не успява да посочи лекарството X, когато бъде попитана какво лекува състояние Y. Екипите обикновено получават по-добри резултати, когато определят прагове за качество предварително, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Рискове и предпазни огради
Халюцинираните факти могат тихо да влязат в отчети, потоци за поддръжка или резултати от изследвания.
Бързата чувствителност може да създаде противоречиви резултати при подобни заявки.
Чувствителните текстови данни могат да бъдат разкрити, ако контролите за достъп са слаби.
Пътна карта за изпълнение
Определете изходен формат, тон и стандарти за качество преди внедряване.
Определете изходен формат, тон и стандарти за качество преди внедряване. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Наземни отговори с доверени източници винаги, когато точността има значение.
Наземни отговори с доверени източници винаги, когато точността има значение. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Поддържайте контролна точка за човешки преглед за изходи с високи залози.
Поддържайте контролна точка за човешки преглед за изходи с високи залози. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Проследявайте моделите на неуспехи и редовно обучавайте подкани или работни потоци.
Проследявайте моделите на неуспехи и редовно обучавайте подкани или работни потоци. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.