Meta版慢思考來了！田淵棟團隊整合快慢思考，能走迷宮推箱子
性能提高但推理成本更低
明敏 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
Meta版慢思考也來了。
田淵棟團隊帶來新作Dualformer，把快慢思考無縫結合，性能提升還成本更低。
能解決迷宮、推箱子等復雜問題。
通過讓模型在推理軌跡和最終答案上進行訓練，再基于特定策略丟掉部分軌跡，Dualformer模型可以在模仿慢思考的同時，像快思考一樣走捷徑。
由此能形成更簡潔的思維鏈（CoT）。
從結果來看，在慢思考模式下，Dualformer的最優(yōu)解率達到97.6%，推理步驟減少45.5%。
自動切換快慢思考模式下，最優(yōu)率也達到96.6%，且推理步驟減少59.9%。
搞定o1玩不來的迷宮游戲
o1帶火了系統(tǒng)2（慢思考），能讓大模型推理能力大幅提升。
但是隨之而來的計算成本更高。
Dualformer能很好結合快慢思考，從而緩解這一問題。
它建立在Searchformer這項工作的基礎上。Searchformer是一個可以解決復雜推理任務的模型，在A*搜索算法生成的路徑上訓練而來，在路徑規(guī)劃任務（如迷宮、推箱子游戲）上表現(xiàn)良好，可以以更高效率找到最優(yōu)解。
研究發(fā)現(xiàn)，人類會在思考過程中傾向于找捷徑。為了更進一步模擬人類，Dualformer在隨機推理軌跡數(shù)據(jù)上進行訓練，并在訓練過程中依據(jù)定制的丟棄策略丟到部分結構。
比如在處理路徑規(guī)劃任務時，根據(jù)搜索軌跡中的不同子句（如close子句、子句中的cost tokens、create子句等）設計了四個級別的丟棄策略，從只丟棄close子句到丟棄整個軌跡，并在訓練時隨機選擇應用這些策略。
基于這些策略，Dualformer可以學習更簡潔有效的搜索和推理過程。
在推理階段，Dualformer可配置快速模式（僅輸出解決方案）、慢速模式（輸出推理鏈和最終解決方案）或自動模式（自行決定推理模式）。
這種靈活的推理模式設計使得模型能夠根據(jù)不同任務需求和場景進行自適應調(diào)整，類似于人類思維在不同情況下的決策方式。
在具體任務上，研究設置了迷宮(Maze)和推箱子游戲(Sokoban)，讓模型進行路徑規(guī)劃。以及數(shù)學推理任務。
對比來看，在迷宮任務中，o1-preview和o1-mini模型輸出的路徑并不好，會“穿墻”。
快思考模式下，Dualformer的表現(xiàn)如下。
Dualformer以80%的最優(yōu)率完成這些任務，顯著優(yōu)于僅基于解決方案數(shù)據(jù)訓練的Solution-Only模型，后者的最優(yōu)率僅為 30%。
慢思考模式表現(xiàn)如下。
30×30迷宮任務中，在97.6%的情況下可以達到最優(yōu)解，同時推理步驟減少45.5%。
自動切換快慢思考模式下，Dualformer的最優(yōu)率達到 96.6%，與Searchformer相比，推理步驟減少59.9%。
將該方法推廣到Mistral-7B和Llama3-8B上，在Aug-MATH數(shù)據(jù)集上，模型的表現(xiàn)都有所提升。
比如在Mistral-7B模型上，當p=0.1、0.2和0.3時，Pass@20度量的基線模型，其中絕對正確率增加到61.9%。
最后，來看一下研究團隊陣容。
該研究由田淵棟等人帶來。
田淵棟現(xiàn)在是Meta FAIR的研究科學家主任，領導LLM推理、規(guī)劃和決策小組。
Qinqing Zheng是FAIR的工程師，研究方向集中在生成模型和強化學習方面。她本科畢業(yè)于浙江大學，在芝加哥大學攻讀博士學位。2017-2019年期間在Facebook擔任研究科學家，幫助Facebook建立了廣告推薦模型的分布式訓練系統(tǒng)。
Sainbayar Sukhbaatar是FAIR的研究科學家，主要負責大模型推理和記憶方面研究。他曾先后在谷歌、DeepMind、Meta任職。
Michael Rabbat是FAIR的創(chuàng)始成員之一。加入Meta之前他曾是麥吉爾大學計算機工程系教授。研究領域包括機器學習、分布式算法、信號處理等。
論文地址：
https://arxiv.org/pdf/2410.09918
- DeepSeek-V3.2-Exp第一時間上線華為云2025-09-29
- 你的AI助手更萬能了！天禧合作字節(jié)扣子，解鎖無限新功能2025-09-26
- 你的最快安卓芯片發(fā)布了！全面為Agent鋪路2025-09-26
- 任少卿在中科大招生了！碩博都可，推免學生下周一緊急面試2025-09-20
相關閱讀
