How Likely Do LLMs with CoT Mimic Human Reasoning?

要約

思考連鎖は、大規模言語モデル (LLM) から推論機能を引き出すための有望な手法として浮上しています。
ただし、必ずしもタスクのパフォーマンスを向上させたり、推論プロセスを正確に表現したりできるわけではなく、その使用法については未解決の疑問が残ります。
この論文では、LLM の問題の指示、推論、および答えの間の関係を理解するための因果分析を使用して、LLM の推論プロセスを人間と比較することにより、根底にあるメカニズムを診断します。
私たちの実証研究により、LLM は理想的な因果関係の連鎖から逸脱することが多く、その結果、偽りの相関や潜在的な一貫性エラー (一貫性のない推論と回答) が生じることが明らかになりました。
また、因果構造に影響を与えるさまざまな要因も調査し、例を用いたコンテキスト内学習が因果構造を強化する一方で、教師あり微調整や人間のフィードバックに関する強化学習などのトレーニング後のテクニックが因果構造を弱めることを発見しました。
驚いたことに、モデルサイズを大きくするだけでは因果構造を強化することはできず、新たな手法の研究が求められています。
この予備研究が LLM の推論プロセスの理解と改善に光を当てることを願っています。

要約(オリジナル)

Chain-of-thought emerges as a promising technique for eliciting reasoning capabilities from Large Language Models (LLMs). However, it does not always improve task performance or accurately represent reasoning processes, leaving unresolved questions about its usage. In this paper, we diagnose the underlying mechanism by comparing the reasoning process of LLMs with humans, using causal analysis to understand the relationships between the problem instruction, reasoning, and the answer in LLMs. Our empirical study reveals that LLMs often deviate from the ideal causal chain, resulting in spurious correlations and potential consistency errors (inconsistent reasoning and answers). We also examine various factors influencing the causal structure, finding that in-context learning with examples strengthens it, while post-training techniques like supervised fine-tuning and reinforcement learning on human feedback weaken it. To our surprise, the causal structure cannot be strengthened by enlarging the model size only, urging research on new techniques. We hope that this preliminary study will shed light on understanding and improving the reasoning process in LLM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google