讨论:大语言模型的涌现

大语言模型家族分类

• 而针对涌现能力是否出现，可能了解模型的基本架构和与之相对应的应用场景是首要目标。

YMZ：基本架构与应用场景的分类和涌现的关系具体是什么？

大语言模型能力的涌现现象

• 这是因为大多数密集Transformer语言模型家族的训练计算量大致与模型参数量成比例

YMZ：这个表述可以放在前面大语言模型分类那个章节里了，这才是我们补充那个新章节的目的。现在前面介绍家族分类的细节太多了，应该只保留讨论涌现现象会用到的相关细节。

• 研究者通常在训练模型时使用固定大小的训练集[7][8]

YMZ：这个出现在文献的哪个段落？

• 尽管少量样本提示可能是目前与大型语言模型互动最常见的方式，但几种其他的提示和微调策略能够进一步提高语言模型的能力。【增加对比图，少量样本提示和进阶提示的区别】

YMZ：在“实例”这一节开头就讲它们的区别。另外，进阶提示和增强提示应该是同一概念吧，翻译上要统一。

• 另一种更标准的校准方法，是使用答案正确的概率与其他答案选项进行比较

FZY:这一句具体说的什么意思

YMZ：看图，似乎两者就是判断题和单选题的区别？记得按词条格式这里引用文献，这样我方便去原文看一下

• 下图是一个少量样本提示的示例。

FZY: 缺少示例图

YMZ：嗯，这张图可以稍微简单一点，不是特别重要

• 解决涵盖大量主题的知识型问题所需的规模可能需要超过这个数值

FZY: 此处可添加新研究结果进行对比

修改本节文献引用

影响下游任务能力涌现的因素及争议

• 例如，对于在高质量数据上训练的模型，涌现现象可以在较少的训练计算量或较少的模型参数的情况下出现。

YMZ:这一段我搬到这里来了，可以在这一章节里统一叙述涌现背后相关因素的分析。

大语言模型涌现的度量

• 这里语义可以看作是从按照特定意义组织的 token 集合中自然涌现

YMZ：读着不通顺

• 其中 token 是句子中具有复杂模式的微观（micro）单元

YMZ：这个对于不理解token这个概念的人来说还是不理解。token这个基本概念的解释可以先不放，后面根据需求统一给术语表

• 因此，大语言模型的语义理解能力，可以看作是从微观到宏观的一种涌现现象

YMZ：为什么它是涌现现象，根据哪个定义判断的？

• 受信息论启发，论文中将“语义”（semantics）形式化定义为从token序列中抽象出的有意义信息，并通过比较（宏观层面）token 序列相对于（微观层面）单个token的熵减来对此进行量化。

YMZ：这里的文字不如用公式来表达，而且不适合放在提纲挈领的第一段。

• 要计算 Transformer 模型中的信息涌现，需要从数学上度量微观与宏观层面的熵减。

YMZ：这个结论是为什么？还是说它是定义？

YMZ：这一段里h是单个的token吗？以及输入输出长度都是T吗？

• 研究者将序列中的 token 变量分为两类：微观变量和宏观变量。

YMZ：按照这个分法，有没有输出token是受一部分输入token影响的？这算是介观变量吗？

• 因此，宏观层面代表语义层级，微观层面代表 token 层级。

YMZ：这个“因此”的逻辑是什么，宏微观变量不是人为指定的吗？

• 基于 Erik Hoel 等人的因果涌现理论[11][12]和 Rosas 等人基于信息分解量化涌现的理论[13]，研究中将其视为一个熵减过程，采用互信息对信息涌现进行建模

YMZ：所以IE的定义根源于Erik和Rosas等人的工作？那应该在前面就讲清楚。

• IE 可以简要理解为，语言模型基于先前token，以更低语义熵确定性预测下一个token的置信程度

YMZ：什么是语义熵？

YMZ：对于这个定量公式有一个困惑是，如果找到宏观的token，是要计算前后token在多大程度上独立吗（满足马尔可夫性）？

• 研究还发现，LLM生成的文本与人类文本具有出不同的IE值，因此IE可用于区分文本是来源于人类还是 LLMs 生成

YMZ：所以这里的IE是定义在输出文本上的？在给出这个结论之前，应该先说清楚IE的定义。逻辑顺序是，前文的涌现现象 to 为什么要谈论IE to IE的定义 to 基于IE指标的发现

• 当第l个Transformer模块在整个序列（宏观变量）上带来的不确定性（熵）减少量大于其在单个token（微观变量）上的减少量时，更有可能捕获集体语义

YMZ：读起来很难懂，可不可以有具体的例子？