Lösen anspruchsvoller mathematischer Textaufgaben mit GPT-4 Code Interpreter und codebasierter Selbstüberprüfung

Zusammenfassung

Jüngste Fortschritte bei großen Sprachmodellen (LLMs) wie GPT-4 und PaLM-2 haben bedeutende Verbesserungen bei der Bewältigung mathematischer Denkprobleme gebracht. Insbesondere die neueste Version von GPT-4, bekannt als GPT-4 Code Interpreter, zeigt bemerkenswerte Leistungen auf anspruchsvollen mathematischen Datensätzen. In diesem Artikel untersuchen wir den Einfluss von Code auf die Verbesserung der Denkfähigkeit von LLMs, indem wir verschiedene Einschränkungen für die Code-Nutzungshäufigkeit von GPT-4 Code Interpreter einführen. Wir fanden heraus, dass sein Erfolg weitgehend auf seinen leistungsstarken Fähigkeiten beruht, Code zu generieren und auszuführen, die Ausgabe der Code-Ausführung zu bewerten und seine Lösung zu korrigieren, wenn unvernünftige Ausgaben erhalten werden. Basierend auf dieser Erkenntnis schlagen wir eine neuartige und effektive Prompting-Methode vor, die explizite codebasierte Selbstüberprüfung (CSV), um das mathematische Denkpotenzial von GPT-4 Code Interpreter weiter zu steigern. Diese Methode verwendet einen Zero-Shot-Prompt auf GPT-4 Code Interpreter, um ihn dazu zu ermutigen, Code zur Selbstüberprüfung seiner Antworten zu verwenden. In Fällen, in denen der Überprüfungsstatus als „Falsch“ registriert wird, soll das Modell seine Lösung automatisch korrigieren, ähnlich unserem Ansatz zur Fehlerkorrektur während einer Mathematikprüfung. Darüber hinaus erkennen wir, dass die Zustände des Überprüfungsergebnisses die Zuversicht einer Lösung anzeigen, was die Effektivität der Mehrheitsabstimmung verbessern kann. Mit GPT-4 Code Interpreter und CSV erreichen wir eine beeindruckende Zero-Shot-Genauigkeit auf dem MATH-Datensatz (53,9\% bis 84,3\%).

English

Recent progress in large language models (LLMs) like GPT-4 and PaLM-2 has brought significant advancements in addressing math reasoning problems. In particular, OpenAI's latest version of GPT-4, known as GPT-4 Code Interpreter, shows remarkable performance on challenging math datasets. In this paper, we explore the effect of code on enhancing LLMs' reasoning capability by introducing different constraints on the Code Usage Frequency of GPT-4 Code Interpreter. We found that its success can be largely attributed to its powerful skills in generating and executing code, evaluating the output of code execution, and rectifying its solution when receiving unreasonable outputs. Based on this insight, we propose a novel and effective prompting method, explicit code-based self-verification~(CSV), to further boost the mathematical reasoning potential of GPT-4 Code Interpreter. This method employs a zero-shot prompt on GPT-4 Code Interpreter to encourage it to use code to self-verify its answers. In instances where the verification state registers as ``False'', the model shall automatically amend its solution, analogous to our approach of rectifying errors during a mathematics examination. Furthermore, we recognize that the states of the verification result indicate the confidence of a solution, which can improve the effectiveness of majority voting. With GPT-4 Code Interpreter and CSV, we achieve an impressive zero-shot accuracy on MATH dataset (53.9\% to 84.3\%).

Lösen anspruchsvoller mathematischer Textaufgaben mit GPT-4 Code Interpreter und codebasierter Selbstüberprüfung

Solving Challenging Math Word Problems Using GPT-4 Code Interpreter with Code-based Self-Verification

Zusammenfassung

Support