第168章 重启SLRM研究 四（1/2）

虽然slrm在工程上有很多缺点要解决，但不妨碍被验证是有效的。

他將目光投向了系统手稿中的另一个核心模块——动態长时记忆网络（d-ltmn）。

然而，当徐辰满怀期待地翻开这部分的草稿时，一盆冷水当头浇下。

太残缺了。

相比於slrm部分还算完整的理论框架，d-ltmn这部分简直就是“灾难现场”。

关键的图更新算法只写了一半，公式推导到最关键的地方突然断掉，取而代之的是一串乱码般的墨跡。关於注意力权重如何在图结构和序列结构之间动態分配的机制，更是只有寥寥几句语焉不详的描述。

“这……这让我怎么补？”

徐辰看著屏幕上的残卷，眉头紧锁。

徐辰尝试著推导了几步，但很快就卡住了。

这不仅仅是数学问题，更涉及到了极其复杂的认知科学和信息检索理论。

“看来，lv.0的信息学等级，確实是硬伤啊。”

徐辰嘆了口气，不得不承认现实。

虽然他靠著lv.3的数学直觉，硬生生啃下了slrm这块硬骨头，但那是因为slrm本质上是一个几何问题。

而d-ltmn，更多的是一个工程和算法问题。

没有足够的信息学底蕴，想要凭空补全这些缺失的环节，无异於盲人摸象。

“算了，贪多嚼不烂。”

徐辰果断放弃了死磕d-ltmn的念头。

“先把slrm这碗饭吃到嘴里再说。”

“只要把这篇关於slrm的论文发出去，拿到系统的经验奖励，把信息学等级提升到lv.1，到时候再回头来收拾这个d-ltmn，还不是手拿把掐？”

打定主意后，徐辰不再纠结。

……

不过，在正式整理论文之前，他决定先把“战绩”刷得更漂亮一点。

光有一个clutrr数据集的成绩，虽然惊艷，但难免会被人质疑是“过擬合”或者“运气好”。

要让审稿人闭嘴，最好的办法就是——全方位碾压。

他打开了hugging face的排行榜，挑选了几个公认最硬核的逻辑测试集：

- snli (stanford natural language inference)：斯坦福自然语言推理数据集。这是nli任务的鼻祖，要求模型判断两个句子之间的逻辑关係，比如蕴含、矛盾、中立等。虽然经典，但对於大模型来说，依然存在“逻辑陷阱”。

- logiqa：这是由公务员考试题目组成的逻辑推理数据集，包含演绎推理、归纳推理等多种题型，难度极高，被称为“ai的智商测试”。

- proofwriter：这是一个要求模型不仅给出答案，还要生成完整逻辑证明过程（proof generation）的数据集。这是对模型逻辑链条最严苛的考验。

徐辰继续用他的qwen-7b模型搭配slrm模块组成的新模型，进行测试。

徐辰首先看了下原始版本的qwen-7b模型在这些数据集上的表现。

以logiqa为例，原始的qwen-7b-chat在零样本(zero-shot)下的准確率大约在35%-40%之间，在少样本（few-shot）下也很难突破50%的天花板。而像gpt-4这样的巨无霸，在这个榜单上常年霸榜，分数在75%以上。

徐辰决定先用slrm模块进行少样本学习，然后再將其与qwen-7b结合起来。

“如果我能用一个7b的小模型，加上我0.5b的slrm模块，在逻辑推理这个单项上，干翻gpt-4……”

徐辰嘴角勾起一抹玩味的笑容。

这就像是给一辆五菱宏光装上了曲率引擎，然后去纽北赛道上跟法拉利飆车。

……

第一战：snli。

原本，qwen-7b在面对一些带有否定词或双重否定的句子时，经常会晕头转向。