Cascatas de Modelos de Linguagem de Grande Escala com Representações de Mistura de Pensamentos para Raciocínio de Baixo Custo

Large Language Model Cascades with Mixture of Thoughts Representations for Cost-efficient Reasoning

October 4, 2023

Autores: Murong Yue, Jie Zhao, Min Zhang, Liang Du, Ziyu Yao

cs.AI

Resumo

Modelos de linguagem de grande escala (LLMs, do inglês Large Language Models) como o GPT-4 têm demonstrado desempenho notável em uma variedade de tarefas, mas esse forte desempenho frequentemente vem com o alto custo de utilizar serviços pagos de API. Neste artigo, somos motivados a estudar a construção de uma cascata de LLMs para economizar o custo de utilização desses modelos, especialmente para tarefas de raciocínio (por exemplo, matemático, causal). Nossa pipeline de cascata segue a intuição de que questões mais simples podem ser resolvidas por um LLM mais fraco, porém mais acessível, enquanto apenas as questões desafiadoras exigem o uso de um LLM mais forte e caro. Para realizar essa tomada de decisão, consideramos a "consistência da resposta" do LLM mais fraco como um sinal da dificuldade da questão e propomos vários métodos para a amostragem de respostas e verificação de consistência, incluindo um que aproveita uma mistura de duas representações de pensamento (ou seja, Cadeia de Pensamento e Programa de Pensamento). Por meio de experimentos em seis conjuntos de dados de benchmark de raciocínio, utilizando o GPT-3.5-turbo e o GPT-4 como os LLMs mais fraco e mais forte, respectivamente, demonstramos que nossas cascatas de LLMs propostas podem alcançar um desempenho comparável ao uso exclusivo do LLM mais forte, mas exigindo apenas 40% do seu custo.

English

Large language models (LLMs) such as GPT-4 have exhibited remarkable performance in a variety of tasks, but this strong performance often comes with the high expense of using paid API services. In this paper, we are motivated to study building an LLM cascade to save the cost of using LLMs, particularly for performing reasoning (e.g., mathematical, causal) tasks. Our cascade pipeline follows the intuition that simpler questions can be addressed by a weaker but more affordable LLM, whereas only the challenging questions necessitate the stronger and more expensive LLM. To realize this decision-making, we consider the "answer consistency" of the weaker LLM as a signal of the question difficulty and propose several methods for the answer sampling and consistency checking, including one leveraging a mixture of two thought representations (i.e., Chain-of-Thought and Program-of-Thought). Through experiments on six reasoning benchmark datasets, with GPT-3.5-turbo and GPT-4 being the weaker and stronger LLMs, respectively, we demonstrate that our proposed LLM cascades can achieve performance comparable to using solely the stronger LLM but require only 40% of its cost.