均衡排名:基于博弈论的大模型优化策略

新知榜官方账号

2023-10-18 01:26:14

均衡排名:基于博弈论的大模型优化策略

MIT提出了一种新的大模型优化策略,基于博弈论制定的均衡排名。在多个测试数据集上,均衡排名优化方式的效果显著优于其他方式,甚至其他模型。

均衡排名优化法基于博弈论,将大模型语言解码过程转化为正则化不完全信息博弈。生成器和判别器掌握着不同的信息,扮演不同角色。在执行重复的生成和判别中,模型的目标是达到纳什均衡。在纳什均衡策略组合下单方面改变自己的策略,而其他玩家策略不变,都不会提高自身的收益。

达到纳什均衡后,生成器和判别器的策略便确定,会分别对候选答案进行打分,然后进行排序选出最佳答案。在纳什均衡条件下,二者的评分应当是一致的,如果不一致,答案便会被剔除。

为了避免二者同时出错的情况出现,开发者还引入了正则化纠错机制。向生成器和判别器基于客观事实的先验策略,而不是任由其随机初始化。这些先验策略是生成器和判别器生成策略的“金科玉律”,引导了策略的优化方向。在此还有一种KL惩罚策略,当新的策略出现时,会计算其与初始策略的KL散度(又叫相对熵)。这一结果会加入到生成新策略的函数当中,避免了最终生成的结果偏离客观事实。

均衡排名优化后的Llama在常识推理、阅读理解、数学和对话任务中的表现都十分出色。优化后的Llama成绩也超过了其他模型。

本页网址:https://www.xinzhibang.net/article_detail-17069.html

寻求报道,请 点击这里 微信扫码咨询

关键词

博弈论 均衡排名 大模型优化

分享至微信: 微信扫码阅读

相关工具

相关文章

相关快讯