代码语言大模型，在完成结构性常识推理上非常擅长

明敏 发自 凹非寺

量子位 | 公众号 QbitAI

大模型代码能力强，顺便还能提升其他能力？

最近CMU的一项研究突然在网上火了起来。

因为它提出了一个结论，模型掌握好代码能力后，在一些非代码任务上也能表现出色。

类比于：学好数理化走遍天下都不怕的感觉。

这一下子把网友们的脑洞给打开了。

难道说GPT-4比GPT-3.5强的关键原因，就在这里？

有人提问：这是否意味着掌握复杂编程，就能获得更高的推理水平？

还有人好奇，是不是说学编程有助于提升逻辑能力，真的有道理。

想要解释这些疑问，还要来看研究本身。

这篇论文首次发表于ChatGPT（GPT-3.5）面世以前，它提出了一种方法，验证了代码语言大模型，在完成结构性常识推理上非常擅长。

甚至比一些通用大模型专门微调过的效果好，碾压GPT-3、T5。

之所以又被人们热议起来，或许是因为这项研究中的一些观点为解释ChatGPT、GPT-4的能力涌现，提供了一些启发。

该论文被EMNLP 2022接收，相关数据和代码已上传至GitHub。

学学编程就能提升逻辑

该研究主要提出四方面工作：

1、代码语言模型比自然语言模型能更好处理结构化常识推理任务。

2、提出一种利用代码语言模型进行结构常识推理的方法：CoCoGEN。

3、在3个结构化常识推理任务上评估，证明CoCoGEN能优于微调/少样本测试下的自然语言大模型。

4、进行消融试验，测试数据格式、模型大小和少样本示例数量的影响。

大语言模型在挑战摘要、翻译、生成、问答等方面都有了不错的表现，目前还存在的一个挑战是如何进行结构化常识推理。

具体任务包括生成事件图、推理图、脚本、论证解释等。

和传统的常识推理任务不同，结构化常识需要根据自然语言输入，生成结构化输出。

这要求模型需要既理解语言内容，还能预测和生成复杂的结构。

而为了避免跨模态的复杂问题，现有的结构化常识生成模型都会修改问题的输出格式，比如将图形“扁平化”为节点对的列表（下图d），或者转换为DOT这类规范语言（下图c）。

但是大语言模型在处理这些输出时依旧存在困难，因为这些序列化的结构输出和大部分预训练数据存在很大差异。

而且在自然语言中，语义相关的词一般都离得很近，但是在结构化表达中它们可能离得很远。

这就导致大语言模型可能无法很好理解拓扑结构，所以想要模型完成这类任务还要进行特定训练。

与此同时，大语言模型在代码方面的能力越来越突出，代码也是一种结构化数据。

所以研究人员就想到，与其进行额外微调，为什么不利用代码能力来搞定结构化常识推理。

如下图b就是利用该方法的结果：

研究人员将该方法命名为Code for Commonsenses Generation（常识生成代码）模型，简称为CoCoGEN。

CoCoGEN使用一个由k（5-10）个Python类组成的提示。

在推理过程中，测试输入被转换为一个部分类，如上所示，附加到提示中，并由代码生成模型（如CodeX）完成。

研究人员使用CodeX发现它在生成代码上表现很好，总是能轻松转换成图形。

然后，研究人员进行了三项任务测试：

• 脚本生成
• 实体状态跟踪
• 解释图生成

在脚本生成任务中，T5模型进行了微调，CURIE（text-curie-001）和DAVINCI（text-davinci-002）使用了15个示例进行少样本测试。

（CURIE和DAVINCI是基于GPT-3的两个模型）

结果显示，CoCoGEN的表现结果最好。

在以精确度（Precision）、召回率（Recall）和F1值作为评估指标时，同样是使用15个样本训练后，CoCoGEN的效果优于其他模型，并且优于在100个样本上微调过的T5模型。

另外两项任务中，CoCoGEN的表现也都优于其他模型。

同时该方法也验证了其他大模型在使用代码提示后，表现也会更好。

换言之，在让大模型精通编程后，它的结构常识能力就会提升。

网友锐评：这不就是野生版柯里-霍华德同构嘛？

据了解柯里-霍华德同构建立了逻辑和类型理论之间的关联，现实了推理系统和程序语言之间的相似性。

看来，推理可以等于证明，再等于编程了。

GPT-3也能涌现类似能力

与此同时，有人也发现了一个半年前的帖子，其中提出了一个观点和这项研究由类似之处：

大模型具有复杂推理能力的思维链，可能同样得益于代码训练。

这个帖子中列举了几个例子。

最初的GPT-3没有用代码训练，它并不具有思维链能力（chain-of-thought，CoT）。

text-davincic-001虽然指令调优了，但是执行CoT的效果也不理想。

PaLM的训练数据中有5%是代码，就能具备CoT了。

Copilot（据说是12B版本），也能做到CoT。

……

这种相关性的确非常有趣。

还有人觉得用代码训练大模型的好处可能有更多，比如语言模型预测下一个token往往是非常局部的，但是代码方面通常要求能更加“远距离”一些，比如完成一个括号闭合的操作。

你怎么看？

论文地址：
https://arxiv.org/abs/2210.07128

GitHub地址：
https://github.com/madaan/

参考链接：
https://yaofu.notion.site/How-does-GPT-Obtain-its-Ability-Tracing-Emergent-Abilities-of-Language-Models-to-their-Sources-b9a57ac0fcf74f30a1ab9e3e36fa1dc1