LegközelebbKövetkező útmutató
Tudáslezárási dátumok az LLM-ekben
Nyelvi AI
Nyelvi AI ÚTMUTATÓ
A fordított átok egy meglepő kudarc mód, amikor egy nyelvi modell, amely megtanulja, hogy „A az B”, nem tud megbízhatóan válaszolni „B az A”. Ebből kiderül, hogy az LLM-ek a tényeket egyirányú asszociációként tárolják, nem pedig szimmetrikus tudásként.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Berglund és munkatársai egy 2023-as tanulmányában dokumentálták, hogy a fordított átok azt mutatja, hogy ha egy modellt a „Tom Cruise anyja Mary Lee Pfeiffer” témában képeznek ki, az gyakran kudarcot vall, amikor megkérdezik: „Ki Mary Lee Pfeiffer fia?” bár a válasz logikailag azonos. A hatás a modellméretek között, sőt több száz ilyen tény finomhangolása után is fennáll. Ez nem memóriarés: a modell látta az információt, de csak egy sorrendben. Mivel a képzés optimalizálja a következő token előrejelzését az adatok pontos szórendje alapján, az A-tól B-ig tartó statisztikai kapcsolat nem hoz létre automatikusan B-ből A-ba linket. A megállapítás megkérdőjelezte azokat a feltételezéseket, amelyek a skála önmagában rugalmas, emberszerű érvelést eredményez a tények felett.
A chatbot helyesen adja meg egy híresség szülőjét, de kudarcot vall, amikor arra kérik, hogy nevezze meg a szülő híres gyermekét.
Egy modell azt mondja, hogy „a kilencedik elnök William Henry Harrison volt”, de megbotlik, hogy „melyik elnök volt William Henry Harrison”.
A függvény-leírás leképezést megtanuló kódoló asszisztens nem tudja visszaállítani a függvény nevét önmagában a leírásból.
Az „X gyógyszer kezeli az Y állapotot” című orvosi minőségbiztosítási rendszer nem sorolja fel az X gyógyszert, amikor megkérdezik, hogy mi kezeli az Y állapotot.
A vizsgált mérséklések közé tartozik a kétirányú adatbővítés (fordított kifejezések hozzáadása), a képzési célok, amelyek mindkét irányban előrejelzik a tokeneket, és a visszakereső rendszerek, amelyek szimmetrikusan keresik a tényeket, nem pedig a memorizált súlyokra hagyatkoznak. Néhány újabb architektúra és fordított előképzési kísérlet csökkenti a különbséget. Számíts arra, hogy az átok összezsugorodik, de nem tűnik el, mivel mély eltérést tár fel a következő jelű tanulás és a valós viszonyok szimmetrikus struktúrája között.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A fordított átok egy meglepő kudarc mód, amikor egy nyelvi modell, amely megtanulja, hogy „A az B”, nem tud megbízhatóan válaszolni „B az A”. Ebből kiderül, hogy az LLM-ek a tényeket egyirányú asszociációként tárolják, nem pedig szimmetrikus tudásként.
The paper names this directional failure the reversal curse.
The paper reports that forward and reverse statements can behave differently.
The research tests failure on a reverse query after forward exposure.
The paper discusses sequence direction as relevant to the failure.
The finding challenges assumptions about flexible use of stored facts.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Tudáslezárási dátumok az LLM-ekben
Nyelvi AI