o1的規(guī)劃能力如何？LRM是未來嗎？
嘿，大家好！這里是一個(gè)專注于AI智能體的頻道~
今天給大家分享一個(gè)新研究，前頂會AAAI主席Subbarao Kambhampati發(fā)布的論文。
能夠規(guī)劃一系列行動(dòng)以實(shí)現(xiàn)預(yù)期目標(biāo)，長期以來被認(rèn)為是智能體的核心能力之一，并自人工智能研究之初便成為其不可或缺的一部分。隨著大型語言模型（LLMs）的出現(xiàn)，關(guān)于它們是否具備這種規(guī)劃能力的問題引起了廣泛關(guān)注。我們于2022年開發(fā)的可擴(kuò)展基準(zhǔn)測試PlanBench，緊隨GPT-3的發(fā)布推出，至今仍是評估LLMs規(guī)劃能力的重要工具。盡管自GPT-3以來涌現(xiàn)了大量新的私有和開源LLMs，但在該基準(zhǔn)測試上的進(jìn)展卻出奇地緩慢。OpenAI聲稱，他們最近推出的o1（草莓）模型是專門構(gòu)建和訓(xùn)練的，旨在突破自回歸LLMs的常規(guī)限制，使其成為一種新型模型：大型推理模型（LRM）。本文以這一發(fā)展為契機(jī)，全面考察了當(dāng)前LLMs和新LRMs在PlanBench上的表現(xiàn)。正如我們將看到的，盡管o1在該基準(zhǔn)測試中的表現(xiàn)實(shí)現(xiàn)了量級上的飛躍，遠(yuǎn)超競爭對手，但距離完全占據(jù)這一基準(zhǔn)還有相當(dāng)距離。這一進(jìn)步也引發(fā)了關(guān)于準(zhǔn)確性、效率和可靠性的討論，這些問題在部署此類系統(tǒng)前必須仔細(xì)考慮。
SOTA LLM模型在規(guī)劃能力方面仍然非常糟糕！ 如下表：
- 在未混淆的數(shù)據(jù)集-Blocksworld中，最好的LLMs（如LLaMA 3.1 405B）達(dá)到了62.6%的準(zhǔn)確率。
在語義相同但句法混淆的數(shù)據(jù)集-Mystery Blocksworld中，所有LLMs的表現(xiàn)都遠(yuǎn)遠(yuǎn)落后，沒有一款模型的準(zhǔn)確率超過5%。
OpenAI的o1模型：是為了突破傳統(tǒng)自回歸LLMs的限制而設(shè)計(jì)和訓(xùn)練的，屬于LRMs的一種。特點(diǎn)：
- 結(jié)合了基礎(chǔ)LLM（可能是修改版的GPT-4）。
- 通過RL訓(xùn)練系統(tǒng)來指導(dǎo)推理過程，生成、篩選和選擇私有推理路徑。
- 在預(yù)訓(xùn)練階段和推理時(shí)可能使用了新的自適應(yīng)推理過程。
o1評測
- 在PlanBenc上，o1模型在Blocksworld問題上的表現(xiàn)顯著優(yōu)于之前所有LLMs，正確回答了97.8%的問題。
然而，在Mystery Blocksworld問題上，o1的表現(xiàn)雖然超過所有先前的模型，但準(zhǔn)確率也只有52.8%。
當(dāng)處理更復(fù)雜問題時(shí)
o1模型的性能迅速下降。例如，在需要20到40步解決的更大Blocksworld問題上，o1的準(zhǔn)確率僅為23.63%。
o1最厲害的一點(diǎn)，是宣稱能夠準(zhǔn)確識別無法解決的問題，這是規(guī)劃能力的一個(gè)重要方面。但是，實(shí)驗(yàn)結(jié)果顯示，在被修改為無法解決的Blocksworld問題上，o1正確識別不可解問題的比例并不高，為27%，并且有時(shí)會錯(cuò)誤地聲稱可解問題為不可解。
最后是平衡成本和效率
下表中，大型推理模型（LRMs）比大型語言模型（LLMs）的成本要高得多。
- o1模型的推理成本遠(yuǎn)高于傳統(tǒng)LLMs，這可能會影響其在實(shí)際應(yīng)用中的可行性。
- o1的推理過程缺乏透明度，用戶無法控制推理過程中生成的“推理token”數(shù)量，這增加了成本的不可預(yù)測性。
文末，作者提到，雖然我們的主要關(guān)注點(diǎn)是對o1在PlanBench上的表現(xiàn)進(jìn)行量化評估，但我們也注意到一個(gè)值得提及的o1特性：當(dāng)模型給出錯(cuò)誤答案時(shí)，有時(shí)還會附帶一個(gè)富有創(chuàng)意但荒謬的理由，幾乎讓人覺得o1從“幻覺”進(jìn)化到了“誤導(dǎo)”！ 在一個(gè)案例中，模型認(rèn)為一個(gè)不可解決的問題是可解決的，因?yàn)殡m然目標(biāo)條件沒有在最終狀態(tài)中出現(xiàn)，但在執(zhí)行過程中某個(gè)時(shí)刻曾為真，因此它認(rèn)為應(yīng)該繼續(xù)算數(shù)。在另一個(gè)案例中，模型聲稱on(a,c)為真，因?yàn)樗诤喍痰睦ㄌ栒f明中解釋道，a在b上，b在c上，因此a在某種程度上位于c的上方，應(yīng)該算作“在它上面”。
