计算机科学 > 计算与语言
[提交于 2025年7月16日
]
标题: 探测语言模型中的算术错误
标题: Probing for Arithmetic Errors in Language Models
摘要: 我们研究了语言模型中的内部激活是否可用于检测算术错误。 从一个受控的三位数加法设置开始,我们表明简单的探测器可以准确地从隐藏状态中解码模型的预测输出和正确答案,无论模型的输出是否正确。 在此基础上,我们训练了轻量级的错误检测器,以超过90%的准确率预测模型的正确性。 然后我们将分析扩展到仅加法的GSM8K问题的结构化思维链痕迹,并发现针对简单算术训练的探测器在这一更复杂的设置中表现良好,揭示了一致的内部表示。 最后,我们证明这些探测器可以引导对错误推理步骤的选择性重新提示,以最小的干扰提高任务准确性。 我们的研究结果表明,仅从内部激活就可以预见算术错误,并且简单的探测器为轻量级模型自我纠正提供了一条可行的路径。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.