transformer 强大的泛化能力再次得到证明！
近年来，基于Transformer的结构在各种任务中展现出色的性能，引起了全球的关注。利用这种结构并结合大量数据，产生的大型语言模型（LLM）等模型可以很好地适用于实际应用场景。
尽管在某些领域取得了成功，但基于 Transformer 的结构和 LLM 仍然面临挑战，尤其是在处理规划和推理任务方面。先前的研究表明，LLM 在应对多步规划任务或高阶推理任务时存在困难。
为了提升 Transformer 的推理和规划性能，近些年研究社区也提出了一些方法。一种最常见且有效的方法是模拟人类的思考过程：先生成中间「思维」，然后再输出响应。比如思维链（CoT）提示法就是鼓励模型预测中间步骤，进行按步骤的「思考」。思维树（ToT）则使用了分支策略和评判方法，让模型生成多个不同的思维路径，然后从中选出最佳路径。尽管这些技术通常是有效的，但也有研究表明，在很多案例中，这些方法会让模型的性能下降，原因包括自我强制（self-enforcing）。
在某个数据集上表现良好的技术，可能在处理其他数据集时效果不佳。这可能是因为所需的推理类型发生了变化，例如从空间推理转变为数学推理或常识推理。
相比之下，传统的符号式规划和搜索技术展现出了出色的推理能力。此外，这些传统方法所计算出的解决方案通常拥有形式上的保证，因为符号规划算法通常遵循着明确定义的基于规则的搜索过程。
为了让 Transformer 具备复杂推理能力，Meta FAIR 田渊栋团队近日提出了 Searchformer。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
论文标题：Beyond A∗: Better Planning with Transformers via Search Dynamics Bootstrapping
论文地址：https://arxiv.org/pdf/2402.14083.pdf
Searchformer 是一种 Transformer 模型，但针对迷宫导航和推箱子等多步规划任务，它却能计算出最优规划并且所用搜索步骤数也能远少于 A∗ 搜索等符号规划算法。
为了做到这一点，该团队提出了一种新方法：搜索动态引导（search dynamics bootstrapping）。该方法首先是训练一个 Transformer 模型来模仿 A∗ 的搜索过程（如图 1 所示，然后对其进行微调，使其能用更少的搜索步数找到最优规划。
更详细地说，第一步，训练一个模仿 A∗ 搜索的 Transformer 模型。这里，该团队的做法是针对随机生成的规划任务实例运行 A* 搜索。在执行 A∗ 时，该团队会记录执行的计算和最优规划并将其整理成词序列，即 token。这样一来，所得到的训练数据集就包含了 A∗ 的执行轨迹并编码了有关 A∗ 本身的搜索动态的信息。然后，训练一个 Transformer 模型，让其能针对任意规划任务沿最优规划生成这些 token 序列。
第二步，使用专家迭代（expert iteration）方法进一步提升使用上述经过搜索增强的序列（包含 A∗ 的执行轨迹）训练的 Searchformer。专家迭代方法可让 Transformer 凭借更少的搜索步骤生成最优解。这个过程会得到一种神经规划算法，其隐式地编码在该 Transformer 的网络权重之中，并且它有很高的概率以少于 A∗ 搜索的搜索步数找到最优规划。比如说，在执行推箱子任务时，新模型能解答 93.7% 的测试任务，同时搜索步数比 A∗ 搜索平均少 26.8%。
该团队表示：这为 Transformer 超越传统符号规划算法铺平了道路。
实验
为了更好地理解训练数据和模型参数量对所得模型性能的影响，他们进行了一些消融研究。
他们使用了两类数据集训练模型：一种的 token 序列中只包含解（solution-only，其中只有任务描述和最终规划）；另一种则是搜索增强型序列（search-augmented，其中包含任务描述、搜索树动态和最终规划）。
实验中，该团队使用了 A∗ 搜索的一种确定性和非确定性变体来生成每个序列数据集。
迷宫导航
Qoder
阿里巴巴推出的AI编程工具
270 查看详情 
在第一个实验中，该团队训练了一组编码器 – 解码器 Transformer 模型来预测 30×30 迷宫中的最优路径。
图 4 表明，通过预测中间计算步骤，可在数据量少时获得更稳健的性能表现。
图 5 给出了仅使用解训练的模型的性能。
图 6 展示了任务难度对每个模型的性能的影响。
整体而言，尽管当使用的训练数据集足够大和足够多样化时，仅使用解训练的模型也能预测得到最优规划，但当数据量少时，经过搜索增强的模型的表现明显好得多，并且也能更好地扩展用于更困难的任务。
推箱子
为了测试能否在不同且更复杂的任务（具有不同的 token 化模式）上得到类似的结果，该团队还生成了一个推箱子的规划数据集进行测试。
图 7 展示了每种模型针对每个测试任务生成正确规划的概率。
可以看到，和上一个实验一样，通过使用执行轨迹进行训练，搜索增强型模型的表现优于仅使用解训练的模型。
Searchformer：通过引导方法提升搜索动态
最后一个实验，该团队研究了搜索增强型模型可以如何迭代提升，从而凭借更少的搜索步数计算出最优规划。这里的目标是在缩短搜索轨迹长度的同时依然得到最优解。
图 8 表明，新提出的搜索动态引导方法能够迭代式地缩短 Searchformer 模型生成的序列的长度。
以上就是补齐Transformer规划短板，田渊栋团队的Searchformer火了的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/952179.html
微信扫一扫 
支付宝扫一扫 
