Jun, 2024
探索令牌偏差: 大型语言模型尚未成为真正的推理者
A Peek into Token Bias: Large Language Models Are Not Yet Genuine
Reasoners
TL;DR该研究介绍了一个假设检验框架,用于评估大型语言模型(LLMs)是否具有真正的推理能力,还是主要依赖于令牌偏差。我们超越准确性的评估,旨在调查LLMs在解决逻辑推理任务时的令牌偏差。具体而言,我们开发了精心控制的合成数据集,其中包括合取谬误和演绎问题。我们的框架概述了一系列假设,其中令牌偏差很容易被识别,所有零假设均假设LLMs具有真正的推理能力。本研究的发现以统计保证表明,多数LLMs在逻辑推理方面仍然有困难。尽管它们在经典问题上表现出色,但它们的成功主要依赖于识别带有强烈令牌偏差的表面模式,因此引发了对其实际推理和泛化能力的担忧。