当 GPT-3 在任务中失败时，你该怎么办？
- 寻找更好的提示，以便输出更可靠的答案？
- 投入数千个示例来微调自定义模型？
- 假设模型无法完成任务，然后继续？
没有简单的答案 - 这取决于具体情况。然而，如果你的任务涉及逻辑推理或复杂性，请考虑尝试本文中的技术来构建更可靠且高效的提示。
如果你被要求计算 13 乘以 17，答案会立即在你的脑海中出现吗？对于我们大多数人来说，可能不会。然而，这并不意味着人类无法完成两位数乘法。通过几秒钟的思考以及用笔纸计算，得出 13 x 17 = 130 + 70 + 21 = 221 并不困难。
同样地，如果你给 GPT-3 一个在计算其所需时间内无法完成的任务，它可能会产生错误的预测。然而，类似于人类，这并不一定意味着模型无法完成任务。在一些时间和空间上进行推理后，模型仍然可以可靠地回答问题。
举个例子，如果你让 text-davinci-002 回答以下关于抛球的数学问题，它会回答错误：
Q: 一个杂技演员有16个球，其中一半是高尔夫球，而且有一半高尔夫球是蓝色的，请问有多少个蓝色高尔夫球？
A:
有8个蓝色高尔夫球。
这是否意味着 GPT-3 无法解决简单的数学问题？不是的；事实上，通过提醒模型“让我们逐步思考”，模型能够可靠地解决问题：
Q: 一个杂技演员有16个球，其中一半是高尔夫球，而且有一半高尔夫球是蓝色的，请问有多少个蓝色高尔夫球？
A: 让我们一步一步的思考。
总共有16个球。
一半的球是高尔夫球。
这意味着有8个高尔夫球。
一半的高尔夫球是蓝色的。
这意味着有4个蓝色高尔夫球。
当然，仅仅从一个例子很难知道这种“让我们逐步思考”的技巧是否真的适用于所有问题，还是仅在这个特定的问题上碰到好运气。但这确实有效。在一项单词数学问题的基准测试中，“让我们逐步思考”的技巧将GPT-3的解决率大大提高，从无用的18%提升到了相当不错的79%！
在学习如何使用GPT-3时，一个常见概念错误是认为它的能力在所有情境下都是固定的。例如，如果GPT-3在一个简单的逻辑问题上答错了，那么它一定无法处理简单的逻辑。
但是正如“让我们逐步思考”的例子所说明的那样，GPT-3的表现不佳有时可以通过更好的提示来加以纠正，这有助于模型朝着正确的输出方向运行。
本文的其余部分将分享有关提高大语言模型在复杂任务上可靠性的技术。虽然其中一些技术是针对特定类型问题的，但其中许多都是基于可以应用于各种任务的通用原则，例如：
- 提供更清晰的说明
- 将复杂任务分解为简单的子任务
- 结构化说明以使模型保持在任务上
- 在回答之前对提示模型进行解释
- 要求对许多可能的答案进行解释，然后进行总结
- 生成许多输出，然后使用模型选择最佳输出
- 对自定义模型进行微调实现性能最大化
给模型更多时间和空间来思考的一种方法是将任务分解为较简单的小任务。
例如，有个任务，我们向模型提出有关某些文本的多项选择题 - 在这种情况下，是一个谋杀游戏Clue。当直接提问时，“text-davinci-002”无法将线索3和5联系在一起，答案不正确：
使用以下线索回答多项选择题。
线索:
1. 斯嘉丽小姐是休息室中唯一的人。
2. 拿着烟斗的人在厨房里。
3. 芥末上校是天文台中唯一的人。
4. 李子教授既不在图书馆也不在台球房。
5. 拿着烛台的人在天文台里。
问题：芥末上校是否在天文台里持烛台？
(a) 是的；芥末上校在天文台里持烛台。
(b) 不是；芥末上校不在天文台里持烛台。
(c) 不确定；没有足够的信息来确定芥末上校是否在天文台里持烛台。
解答：
(c) 不确定；没有足够的信息来确定芥末上校是否在天文台里持烛台。
虽然线索 3 和 5 表明芥末上校是天文台中唯一的人且天文台中的人拿着烛台，但是这些信息并没有被结合成正确答案“ (a) 是的”。
但是，我们可以将问题拆分成三个步骤：
- 首先，逐一分析线索并确定哪些是相关的。
- 其次，将相关的线索组合起来，推理出问题的答案。
- 第三，给出最终答案：即 (a)、(b) 或 (c)。
使用以下线索回答多项选择题，使用以下步骤：
(1) 首先，逐一分析线索并确定哪些是相关的。
(2) 其次，将相关的线索组合起来，推理出问题的答案。
(3) 最后，给出最终答案：即 (a)、(b) 或 (c)。
线索:
1. 斯嘉丽小姐是休息室中唯一的人。
2. 拿着烟斗的人在厨房里。
3. 芥末上校是天文台中唯一的人。
4. 李子教授既不在图书馆也不在台球房。
5. 拿着烛台的人在天文台里。
问题：芥末上校是否在天文台里持烛台？
(a) 是的；芥末上校在天文台里持烛台。
(b) 不是；芥末上校不在天文台里持烛台。
(c) 不确定；没有足够的信息来确定芥末上校是否在天文台里持烛台。
解答：
(1) 首先，逐一检查每个线索，判断线索是否有潜在的相关性：
线索1：只有斯嘉丽小姐一个人在休息室。此线索不相关。
线索2：拿着烟斗的人在厨房里。此线索不相关。
线索3：只有芥末上校一个人在天文台里。此线索相关。
线索4：李子教授既不在图书馆也不在台球房里。此线索不相关。
线索5：拿着烛台的人在天文台里。此线索相关。
(2) 其次，将相关的线索组合起来，推理出问题的答案：
线索3和线索5都表明拿着烛台的人在天文台里。芥末上校是天文台里唯一的人，因此芥末上校就是拿着烛台的人。
(3) 第三步，写出最终答案：
(a)是的；芥末上校在天文台里持烛台。
通过给模型更多的时间和空间来思考，并引导它正确地完成推理，它能够找出正确答案“(a)是的”。
将复杂的任务拆分成较小的子任务，还有另一个好处，可以帮助模型专注于每个子任务。
例如，如果我们要求text-davinci-002用原始语言总结文本，模型可能会回到汉语：
使用文本的原始语言总结文本。摘要应该只有一句话。
文本：
"""
La estadística (la forma femenina del término alemán Statistik, derivado a su vez del italiano statista, "hombre de Estado") es una ciencia que estudia la variabilidad, colección, organización, análisis, interpretación, y presentación de los datos, así como el proceso aleatorio que los genera siguiendo las leyes de la probabilidad. La estadística es una ciencia formal deductiva, con un conocimiento propio, dinámico y en continuo desarrollo obtenido a través del método científico formal. En ocasiones, las ciencias fácticas necesitan utilizar técnicas estadísticas durante su proceso de investigación factual, con el fin de obtener nuevos conocimientos basados en la experimentación y en la observación. En estos casos, la aplicación de la estadística permite el análisis de datos provenientes de una muestra representativa, que busca explicar las correlaciones y dependencias de un fenómeno físico o natural, de ocurrencia en forma aleatoria o condicional.
"""
摘要：
该文本解释了统计学是一门研究数据的变异性、收集、组织、分析、解释和展示，以及生成它们的随机过程遵循概率法则的科学。
然而，如果我们首先要求模型确定文本的语言，然后再对文本进行总结，这样做会更加可靠。
首先，确定文本的语言。
然后，使用原始语言对文本进行总结。总结应该是一个句子。
文本：
"""
La estadística (la forma femenina del término alemán Statistik, derivado a su vez del italiano statista, "hombre de Estado") es una ciencia que estudia la variabilidad, colección, organización, análisis, interpretación, y presentación de los datos, así como el proceso aleatorio que los genera siguiendo las leyes de la probabilidad. La estadística es una ciencia formal deductiva, con un conocimiento propio, dinámico y en continuo desarrollo obtenido a través del método científico formal. En ocasiones, las ciencias fácticas necesitan utilizar técnicas estadísticas durante su proceso de investigación factual, con el fin de obtener nuevos conocimientos basados en la experimentación y en la observación. En estos casos, la aplicación de la estadística permite el análisis de datos provenientes de una muestra representativa, que busca explicar las correlaciones y dependencias de un fenómeno físico o natural, de ocurrencia en forma aleatoria o condicional.
"""
语言：
西班牙语。
La estadística es una ciencia que estudia la variabilidad, colección, organización, análisis, interpretación, y presentación de los datos, así como el proceso aleatorio que los genera siguiendo las leyes de la probabilidad.
提高答案可靠性的另一种重要方法是提示模型逐步推理出答案，而不是立即跳转到最终答案。通过“细致思考”，模型更有可能得出正确答案。
该方法由Takeshi Kojima等人于2022年发布，提示模型逐步推理答案的最简单方法是在答案前加上“让我们逐步思考”。图2展示了一个示例：
来源： Large Language Models are Zero-Shot Reasoners by Takeshi Kojima et al. (2022).
####结果 将这个简单的技巧应用在MultiArith数学数据集上，作者发现“让我们逐步思考”将准确率提高了四倍，从18%提高到了79%！
来源： Large Language Models are Zero-Shot Reasoners by Takeshi Kojima et al. (2022).
虽然让我们逐步思考的技巧在解决数学问题上非常有效，但并不对所有任务都有效。作者发现，它最有帮助的是多步算术问题、符号推理问题、策略问题和其他推理问题。它并不对简单的数学问题或常识问题有帮助，而且很可能对许多其他非推理任务也没帮助。
来源： Large Language Models are Zero-Shot Reasoners by Takeshi Kojima et al. (2022).
要了解更多，请阅读完整论文。
如果你将此技术应用到自己的任务中，请勇于尝试自定义指令。让我们逐步思考技巧相当通用，因此你可以尝试根据你的需要定制更明确的内容以获得更好的效果。例如，你可以尝试更有结构的变体，如“首先，一步一步地考虑X可能是真的原因。其次，一步一步考虑Y可能是真的原因。最后，一步一步考虑X或Y哪个更有道理。”。你甚至可以给模型提供一个示例样式，确保它在正确的推理过程上，例如：
使用下面的IRS指导方针，按以下格式回答以下问题：
（1）对于每个标准，请确定车辆购买是否符合标准
- {标准} 让我们一步一步思考。 {解释} {是或否，或者，如果问题不适用，则为N/A}。
（2）在依次考虑每个标准后，将最终答案表述为“因为{原因}，答案可能为{是或否}。“。
IRS指南：
"""
如果你购买符合以下标准的汽车或卡车，你可能有资格获得第30D条联邦税收抵免：
- 车辆至少有四个轮子吗？
- 车辆重量小于14,000磅吗？
- 车辆是否可使用从外部重新充电的至少4千瓦小时的蓄电电池？
- 车辆是否在2022年之前购买？
- 如果是，制造商销售符合条件的车辆是否少于200,000辆？ （特斯拉和通用汽车已经销售了超过200,000辆符合条件的车辆。）
- 车辆是在2022年之后购买的吗？
- 如果是，该车辆是否出现在下列由北美组装的车辆清单中？ （北美唯一组装的电动汽车是奥迪Q5、宝马330e、宝马X5、雪佛兰Bolt EUV、雪佛兰Bolt EV、克莱斯勒Pacifica PHEV、福特逃逸PHEV、福特F系列、福特野马MACH E、福特Transit Van、GMC Hummer Pickup、GMC Hummer SUV、吉普大切诺基PHEV、吉普牧马人PHEV、林肯飞行家PHEV、林肯Corsair插电混合动力、Lucid Air、日产叶子、Rivian EDV、Rivian R1S、Rivian R1T、特斯拉Model 3、特斯拉Model S、特斯拉Model X、特斯拉Model Y、沃尔沃S60、宝马330e、Bolt EV、Cadillac Lyriq、Mercedes EQS SUV和Nissan Leaf。）
"""
问题：我能否因购买了2021年的丰田普锐斯Prime而获得联邦税收抵免？
解决方案：
（1）针对每个标准，确定该车购买是否符合要求。
- 车辆至少有四个轮子吗？让我们逐步思考。
丰田普锐斯Prime有四个轮子，所以答案是肯定的。
- 车辆重量小于14,000磅吗？让我们逐步思考。丰田普锐斯Prime的重量小于14,000磅，所以答案是肯定的。
- 车辆是否可使用从外部重新充电的至少4千瓦小时的蓄电电池？让我们逐步思考。丰田普锐斯Prime使用了可从外部源重新充电的至少4千瓦小时的电池蓄电，所以答案是肯定的。"。
- 车辆是在2022年之前购买的吗？让我们逐步思考。丰田普锐斯Prime是在2021年购买的，即在2022年之前，因此答案为是。
- 车辆是在2022年之后购买的吗？不适用。
- 如果是，该车辆是否出现在下列由北美组装的车辆清单中？不适用。
(2) 按照每个标准依此考虑后，将最终答案表述为“因为{原因}，答案很可能为{是或否}。”
因为丰田普锐斯Prime符合联邦税收抵免的所有标准，答案很可能为是。
促使模型思考其答案的方法有很多种。一种方法是通过“few-shot”来演示，谷歌的Jason Wei和Denny Zhou等人研究结果如下图所示。这是一个简单的思考链示例：
标记人员编写的更多推理链演示：
（请注意，针对是否真的有梨漂浮的问题已受到质疑）
在小学数学问题的测试中，作者发现，思考链提示使解决率提高了三倍，从18%提高到57%。
除了数学问题，思路关联提示还提高了模型在体育理解、硬币翻转追踪和最后一个字母拼接方面的表现。在大多数情况下，不需要太多的示例就可以保证效果（小于8个左右）。
了解更多信息，请阅读完整论文。
相对于“让我们逐步思考”技巧，少样本示例模型的一个优点是，你可以更容易地指定模型在最终答案之前要执行的推理格式、长度和样式。这在模型最初没有正确地进行推理的情况下特别有帮助。
通常，为了在任务上取得最佳性能，您需要微调一个自定义模型。然而，使用解释来微调模型可能需要写成千上万的示例解释，这样成本太高。
2022年，Eric Zelikman和Yuhuai Wu等人发表了一种巧妙的程序，使用少量提示来生成一组解释的数据集，这组解释可用于微调模型。这个想法是使用少量提示来生成候选解释，仅保留产生正确答案的解释。然后，为某些不正确的回答获得附加解释，重试少量提示但在问题中给出正确答案。作者称其为STaR（自学推理程序）：
来源：STaR: Bootstrapping Reasoning With Reasoning by Eric Zelikman and Yujuai Wu et al. (2022)
使用此技术，您可以将微调的好处与思维链提示的好处相结合，而无需编写数千个示例说明。
当作者将此技术应用于通识问答数据集时，他们发现STaR的表现优于单独使用思维链提示（73％>37％）和单独的微调（73％>60％）：
来源：Eric Zelikman和Yujuai Wu等人的“STaR：Bootstrapping Reasoning With Reasoning”（2022）
要了解更多信息，请阅读完整论文。
使用few-shot提示扩展或修改微调数据集是一个可以推广到撰写解释之外的做法。例如，如果您拥有大量未结构化的文本要进行训练，您可能会发现使用提示从未结构化的文本中提取结构化数据集的机会，并在该结构化数据集上微调自定义模型。
一些基于思维链提示的扩展也已经发布。
由Antonia Creswell等人发表，思维链技术的一种扩展是将生成说明和答案的单个提示分成较小的部分。首先，提示从文本中选择相关的事实子集（“选择提示”）。然后，第二个提示从所选的事实中推断结论（“推理提示”）。而后，这些提示在循环中交替使用，以生成多个推理步骤，并最终找到最终答案。作者在以下图中说明了这个想法：
当应用于7B参数模型时，作者发现，相对于链式思维提示，在bAbi和Proof Writer基准任务上（两者都需要长序列的推理步骤），选择-推理提示显著提高了性能。他们的最佳性能结合了选择-推理提示和微调。
尽管这些基准的改进非常大，但这些基准之所以被选择，是因为它们需要长序列的推理。在不需要进行许多步骤的推理问题上，改进可能性较小。
该结果强调了使用大语言模型的几个通用教训。1、将复杂任务分解为较小的任务是提高可靠性和性能的好方法；任务越原子化，模型犯错的余地就越小。2、获得最大性能通常意味着将微调与你选择的任何方法相结合。
要了解更多信息，请阅读全文。
在发布选择-推理提示方法数月后，作者在后续论文中扩展了该方法，并提出了以下想法：
- 确定选择-推理循环何时应该停止或继续
- 添加值函数以帮助搜索多个推理路径
- 通过微调模型达到理性处理句子标签（例如，sen1）而不是编写句子本身，从而降低产生虚假事实的概率
在原有的选择-推断方法中，专门的 “选择” 和 “推断” 提示被交替选择事实并从这些事实中推断，组合成一系列推理步骤。
作者们通过两个附加组件扩展了这项技术。
首先，作者们添加了一个“中止器”模型，该模型在每个推断步骤之后被问及是否已足够推断出答案。如果是，则模型生成最终答案。
中止器模型带来了一些优点：
- 它可以告诉选择-推断流程何时停止或继续，视情况而定。
- 如果流程从未停止，则你将获得没有答案的结果，这通常优于虚假的事实。
[
来源：Faithful Reasoning Using Large Language Models by Antonia Creswell et al. (2022)] (https://arxiv.org/abs/2208.14271)
[
来源：Faithful Reasoning Using Large Language Models by Antonia Creswell et al. (2022)] (https://arxiv.org/abs/2208.14271)
其次，作者添加了一个价值函数，用于评估推理步骤的质量并搜索多个推理轨迹。这反映了增加可靠性的常见作法；不是从模型生成一个答案，而是生成一组答案，然后使用某种类型的价值函数/鉴别器/验证器模型来选择最佳答案。
[
来源：Faithful Reasoning Using Large Language Models by Antonia Creswell et al. (2022)] (https://arxiv.org/abs/2208.14271)
除了这两个扩展之外，作者还使用了一个技巧来减少虚假事实的产生。他们不是要求模型编写事实性句子，而是通过微调模型来使用句子标签（例如，sen1）。这有助于防止模型产生在提示上下文中未提到的虚假事实。
[
来源：Faithful Reasoning Using Large Language Models by Antonia Creswell et al. (2022)] (https://arxiv.org/abs/2208.14271)
作者在两个基准测试中评估了他们的技术：ProofWriter任务 (未显示) 和 [EntailmentBankQA] (https://allenai.org/data/entailmentbank) (已显示)。该技术显著提高了准确性，特别是在更难的推理问题上。
来源：Faithful Reasoning Using Large Language Models by Antonia Creswell et al. (2022)
另外，他们的句子标签操作技巧基本上消除了虚假事实！
来源：Faithful Reasoning Using Large Language Models by Antonia Creswell et al. (2022)
本文阐述了提高大语言模型可靠性的许多有用经验:
- 将复杂任务分解成更小，更可靠的子任务
- 以逐步进行的方式生成你的答案，并在其处理过程中进行评估
- 生成许多可能的答案，并使用另一个模型或函数来选择最佳的答案
- 通过限制模型可以说的内容(例如，使用句子标签而不是句子)，减少虚拟事实
- 通过在专门的任务上微调来实现模型性能的最大化
欲知更多，请阅读全文。
模型除了在长推理链上表现糟糕(在选择-推理提示方法上很出色)，如果例子很短但任务很长，使用思维链提示也容易出现问题。
最少到最多提示法是另一种技术，它将推理任务分解为更小、更可靠的子任务。其思想是通过提示模型生成一个子任务，例如“要解决 {问题}，我们首先需要解决：”，然后通过此子任务生成解决方案。解决方案附加到原始问题上，此过程重复进行，直到得到最终答案。
在长推理链的基准测试中，该方法应用于 code-davinci-002（该模型针对代码进行了优化但仍能理解文本）所带来的提升效果非常显著，16% -> 99.7%！
尽管最少到最多提示法的效果令人印象深刻，但它们仅在需要长推理链的非常狭窄的任务集上进行了测试。
它们阐明了一个普遍的方法：通过将复杂的任务分解为更小的子任务，并给予模型更多的时间和空间来解决问题，从而提高结果可靠性。
要了解更多信息，请阅读完整的论文。
与之前的技术试图提升正确答案的可能性不同，该方法是使用GPT-3生成可能解释的树（包括正确和不正确的解释），然后分析它们的关系以猜测哪个集合是正确的。这种技术由Jaehun Jung等人在2022年5月提出（启发式问答法与苏格拉底式提问引导思想有关）。
该方法很复杂，具体如下：
- 首先构建一个树，其中每个节点是一个可能为真或为假的陈述：
- 从一个选择题或真/假陈述开始（例如“战争不能平局”）
- 对于每个问题的可能答案，使用模型生成相应的解释（使用提示“战争不能平局是真的吗？是的，因为”）
- 然后，使用问题和生成的解释提示模型，并要求其生成答案。 如果反转解释（使用前缀“说{解释}是错误的”）会反转答案，则认为该解释是“逻辑上的完整性”。
- 如果解释不是逻辑上完整的，则递归重复上述过程，将每个解释转化为真或假的问题，并为每个新问题生成更多的解释。
- 在完成所有递归解释之后，你将得到一个解释树，其中树上的每个叶子具有将反转的解释反转为模型答案的属性。
- 其次，将树转换为关系图：
- 对于树中的每个节点，计算模型对每个节点的相对置信度（从给出解释获得答案为“真”的概率推断而来）
- 对于树中的每对节点，使用模型确定它们是否属于推论或矛盾关系
- 最后，找到最一致的集合，并将其视为真：
- 具体地说，利用每个节点的信任强度和它们之间的逻辑关系，将问题构建成加权最大可满足性问题（MAX-SAT）
- 使用求解器找到最自洽的信任集，将其作为真实值
除了复杂性之外，这种方法的一个限制是似乎只适用于可以提出多项选择的问题。
了解更多信息，请阅读完整论文。
对于具有离散答案集的任务，提高可靠性的一种简单方法是从模型中抽取多个解释和答案（使用正温度），然后选择最常出现的最终答案。
该技术在一系列数学和推理基准测试中提高了1%到24%的准确性。(下面绘制的是来自Google的LaMDA模型的结果；使用Google的更大PaLM模型，基线更高，但收益略小。)
虽然这种技术实现简单，但成本很高。生成10个答案将使你的成本增加10倍。
此外，与许多这些技术一样，它仅适用于具有有限答案集的任务。对于开放式任务，每个答案都是独特的（例如写一首诗），选择最常见的答案意味着什么都并不明显。
最后，仅在有多条路径或表达方式可获得答案时，该技术才应具有最好的效果；如果只有一条路径，则该技术可能根本没有帮助。一个极端的例子是：如果任务是生成单个令牌答案，则从100次迭代中选取最常见令牌与仅使用一次temperature=0生成的令牌，在获得最高的logprobs上，并没有区别。
###验证器
另一种提高任务性能的关键技术是训练验证器或鉴别器模型来评估主模型的输出。如果鉴别器拒绝输出，则可以重新采样生成模型，直到获得可接受的输出。在许多情况下，判断一个答案是否正确比创建一个答案更容易，这有助于解释此方法的效果。
####方法
2021年，OpenAI研究人员将此技术应用于小学数学问题，使用以下过程：
- 首先，他们在问题和解决方案上微调了模型
- 对于训练集中的每个问题，他们生成100个解决方案
- 这100个解决方案中的每一个都会自动标记为正确或不正确，基于最终答案是否正确
- 使用这些解决方案，其中一些标记为正确，一些标记为不正确，他们微调了一个验证器模型，以确定分类问题和候选解决方案是否正确或不正确
- 最后，在测试时，生成模型对每个问题创建100个解决方案，并且根据验证器模型将得分最高的那一个选为最终答案。
来源：Training Verifiers to Solve Math Word Problems by Karl Cobbe et al. (2021)
使用175B的GPT-3模型和8000个训练样本，这种技术将小学数学的准确率从33%左右提高到55%左右。
来源：Training Verifiers to Solve Math Word Problems by Karl Cobbe et al. (2021)
类似于自洽技术，这种方法可能成本很昂贵，例如，为每个任务生成100个解决方案将使成本增加约100倍。
尽管上述技术在方法上有所不同，但它们都有一个目标：改善处理复杂任务的可靠性，主要包括：
- 将不可靠的操作分解为更可靠的小操作（例如，选择-推理提示）
- 使用多步骤或多个关系，使得系统的可靠性大于任何单个组件（例如，启发式问答提示）
这种构建可靠系统的范式来自概率编程，并且该领域的许多分析技术可以应用于本领域。
在论文《Language Model Cascades》中，David Dohan等人将上述技术解释为概率图模型的范式：
来源：Language Model Cascades by David Dohan et al. (2022)
来源：Language Model Cascades by David Dohan et al. (2022)
来源：Language Model Cascades by David Dohan et al. (2022)
来源：Language Model Cascades by David Dohan et al. (2022)
虽然将这些技术形式化为概率图模型可能不会立即有助于解决任何特定问题，但该框架可能有助于选择、组合和发现新方法。
大语言模型的研究发展迅速。研究人员不仅在改进模型，而且还在改进我们对这些模型更好的理解。为了强调这些技术的发展速度，要注意上面列出的所有论文都是在过去12个月内发布的（当我在2022年9月写作时）。
将来，预计会发表更好的模型和更好的技术。即使这里的具体技术被未来的最佳实践所超越，其背后的一般原则也很可能仍然是任何专家工具包的关键部分。
OpenAI官方材料中文版翻译及人工智能重要文献编译，可关注微信公众号“量子论”了解最新进展。