La atención satisface: una perspectiva de satisfacción de restricciones sobre los errores factuales en los modelos de lenguaje.

Attention Satisfies: A Constraint-Satisfaction Lens on Factual Errors of Language Models

September 26, 2023

Autores: Mert Yuksekgonul, Varun Chandrasekaran, Erik Jones, Suriya Gunasekar, Ranjita Naik, Hamid Palangi, Ece Kamar, Besmira Nushi

cs.AI

Resumen

Investigamos el comportamiento interno de los Modelos de Lenguaje de Gran Escala (LLMs) basados en Transformers cuando generan texto factualmente incorrecto. Proponemos modelar consultas factuales como Problemas de Satisfacción de Restricciones y utilizamos este marco para estudiar cómo el modelo interactúa internamente con las restricciones factuales. Específicamente, descubrimos una fuerte relación positiva entre la atención del modelo a los tokens de restricción y la precisión factual de sus respuestas. En nuestra colección curada de 11 conjuntos de datos con más de 40,000 indicaciones, estudiamos la tarea de predecir errores factuales con la familia Llama-2 en todas sus escalas (7B, 13B, 70B). Proponemos SAT Probe, un método que analiza los patrones de auto-atención, capaz de predecir la satisfacción de restricciones y errores factuales, permitiendo la identificación temprana de errores. El enfoque y los hallazgos demuestran cómo el entendimiento mecanicista de la factualidad en LLMs puede mejorar la confiabilidad.

English

We investigate the internal behavior of Transformer-based Large Language Models (LLMs) when they generate factually incorrect text. We propose modeling factual queries as Constraint Satisfaction Problems and use this framework to investigate how the model interacts internally with factual constraints. Specifically, we discover a strong positive relation between the model's attention to constraint tokens and the factual accuracy of its responses. In our curated suite of 11 datasets with over 40,000 prompts, we study the task of predicting factual errors with the Llama-2 family across all scales (7B, 13B, 70B). We propose SAT Probe, a method probing self-attention patterns, that can predict constraint satisfaction and factual errors, and allows early error identification. The approach and findings demonstrate how using the mechanistic understanding of factuality in LLMs can enhance reliability.