Cohere团队的最新研究揭示，LLM的推理能力并非源于对预训练数据的简单检索（即先前普遍认为的“近似检索”），而是源于对程序性知识的学习和应用，类似于人类从示例中学习通用解题方法。 这意味着LLM像学习通用程序一样，从数据中提取推理模式，而不是死记硬背答案。这一发现推翻了以往的“近似检索”假设，并指明了未来LLM训练的新方向：专注于高质量的程序性知识，而非追求数据规模的无限扩张。 更令人惊讶的是，不同规模的模型（例如7B和35B）似乎从相同数据中学到了不同的信息。
LLM推理机制的探索
大型语言模型（LLM）的推理能力一直是人工智能研究的热点和难点。理解LLM如何进行推理，不仅有助于我们更好地利用LLM的强大能力，也对未来AI的设计和发展至关重要。以往的假设认为，LLM主要通过近似检索的方式进行推理，即从庞大的预训练数据中检索与问题相关的知识片段，并将它们组合成答案。换句话说，社区普遍存在一种假设：当LLM进行推理时，它们执行某种形式的近似检索，从预训练形成的参数化知识中“检索”中间推理步骤的答案，而不是进行“真正的”推理。
问题：LLM如何进行推理？
LLM究竟是如何进行推理的？是像搜索引擎一样检索信息，还是像人类一样运用逻辑和推理？这个问题一直困扰着研究者。 Cohere团队的研究旨在探究LLM的推理机制，并明确LLM是如何从预训练数据中学习推理的。 他们的研究重点关注数学推理任务，以此来探究LLM是否真正进行推理，还是仅仅检索记忆的答案。研究的核心问题是：LLM如何从预训练数据中学习推理？
背景：EK-FAC影响函数的应用
为了探究LLM的推理机制，Cohere团队使用了一种名为EK-FAC影响函数的方法。这种方法可以估计预训练数据中的每个文档对模型输出的影响程度，从而揭示哪些知识对模型的推理过程至关重要。EK-FAC影响函数就像一个显微镜，可以帮助我们放大观察预训练数据对模型推理的影响，并找出对模型推理影响最大的关键信息，就像在代码调试中找到关键代码行一样。
实验设置：数据与模型
本研究使用了Cohere的Command R 7B和35B两种不同规模的模型，并选取了**500万个文档（25亿token）**作为预训练数据的样本，确保这些文档与预训练分布相同。研究人员设计了三类问题：事实问题、重点研究的推理问题（包括两步算术[仅限7B模型]、计算两点间斜率[7B和35B模型]和解线性方程[仅限35B模型]） 和控制问题。控制问题用于排除格式等无关因素对实验结果的影响。 之所以选择数学推理任务，是因为这类任务的推理步骤清晰可控，便于分析LLM的推理过程。
推理问题示例（图1）：
图：事实问题（左）与推理问题（右）示例。事实问题需要检索知识，而推理问题需要多步推理。两步运算（7B模型）示例（图2）：
图：7B模型进行两步算术推理的示例。计算斜率（7B和35B模型）示例：
解线性方程（35B模型）示例：
事实问题示例（图6）：
研究结果：程序性知识驱动LLM推理
Cohere团队的核心发现是：LLM的推理方式更像是程序性泛化，类似于人类学习通用解题方法，而不是简单地检索预训练数据中的答案。 LLM并非简单地记忆和匹配答案，而是学习推理过程。
定量结果：程序性知识的证据
泛化能力分析：相同任务，不同数据
研究人员通过计算不同问题之间文档影响得分的Pearson相关系数，发现相同推理任务的不同问题之间存在显著的正相关（图7），这表明模型学习到了可泛化的程序性知识。即使问题中的具体数值不同，模型也能应用相同的推理程序解决问题。
35B模型在斜率计算任务上表现出更强的泛化能力，这表明更大的模型能够更好地学习和应用程序性知识。 然而，令人惊讶的是，7B和35B模型从相同数据中学到的信息几乎没有相关性。
依赖性分析：弱依赖性，强泛化
与事实问题相比，推理问题对单个文档的依赖程度更低，影响分布更分散(图8)，这再次证明了程序性知识的重要性。 模型并非依赖于检索单个文档的信息，而是从多个文档中学习并综合应用程序性知识，从而实现程序性泛化。
35B模型对单个文档的依赖程度更低，这再次印证了更大模型的泛化能力更强。这暗示着模型规模的提升有助于LLM更好地学习和利用程序性知识，并减少对单个文档的依赖。 35B模型在事实问题上的影响力数值更大且波动更大，表明其从更少但更相关的文档中学习。 (图9)
定性结果：程序性知识的深度解读
答案依赖性分析：并非简单的答案匹配
研究人员发现，事实问题的答案在高影响力文档中出现的频率较高，而推理问题的答案则很少出现(图10)。这再次证明LLM的推理并非简单的答案匹配，而是基于程序性知识的推理过程。
35B模型对答案的依赖程度更低，这与其更强的程序性泛化能力相符。
影响因素分析：代码和公式是关键
对高影响力文档的分析表明，这些文档通常包含与推理过程相关的程序性知识，例如代码、数学公式等。 这表明LLM能够从代码和公式中学习推理步骤和方法，印证了程序性知识的重要性。
7B vs 35B：模型规模的影响35B模型更倾向于利用程序性知识，这再次体现了更大模型的优势。
数据源分析：程序性数据源的影响更大
研究发现，代码、StackExchange、ArXiv 和 Markdown 等程序性数据源对推理问题的解决有显著的正面影响，而Wikipedia 和 Trivia 等数据源则对事实问题的回答更有影响 (图11 & 12)。这表明不同类型的数据对不同类型的任务有不同的影响，为构建更有效的预训练数据集提供了重要指导。
35B模型能够更好地利用不同数据源的知识，这体现了更大模型的学习能力更强。
结论：程序性知识的未来
Cohere团队的研究揭示了程序性知识在LLM推理过程中的关键作用，推翻了以往认为LLM主要依赖检索进行推理的观点，并为未来LLM的训练和优化提供了新的思路：专注于高质量的程序性知识，例如代码、公式等。 未来的研究可以进一步探究程序性知识的学习机制，以及如何将程序性知识与其他类型的知识结合起来，以构建更强大的LLM推理系统。
