第139章 新的SOTA（1/2）

当晚，徐辰收到张乐阳发来的消息，语音里透著掩饰不住的兴奋，甚至连称呼都变了：

“徐神！搞定了！彻底收敛了！精度比我们预期的还要高两个百分点！老板刚才看了结果，高兴得差点没把桌子拍碎，直夸我们这次效率高！我跟老板提了一嘴是您帮忙改的算法，老板说改天一定要请您吃饭！”

紧接著，是一张截图。

图片上是校级计算中心的任务队列管理界面。

“我跟中心那边打好招呼了，我们课题组的帐號权限已经给你开通了。这是ssh密钥和ip位址。你直接远程登录就行，不用再跑一趟了。现在四张a100全空著，优先级调到了最高，你隨便造！”

“谢了，学长。”

徐辰回了个抱拳的表情。

这个忙也不算白帮，几个小时前，他还得排队填表看人脸色；现在，他手里握著物理学院国家重点项目的算力通道，享受著vip级別的待遇。

……

徐辰打开终端，输入指令，连接伺服器。

“来吧，laart，让我看看你的成色。”

他敲下了那行早已准备好的指令。

运行！

……

这个阶段是ai的训练阶段，在这个阶段，模型需要通过海量的文本数据，学习语言的语法、词汇之间的关联，以及基础的世界知识。

风扇的轰鸣声仿佛透过网络传了过来。

屏幕上，一行行日誌开始飞速滚动。

epoch 1/100 | loss: 2.4582 | accuracy: 12.4%

epoch 2/100 | loss: 1.8923 | accuracy: 28.7%...

起初，loss曲线的下降並不算快，这在徐辰的预料之中。因为laart模型引入了复杂的几何约束，模型在初期需要花费大量时间去“寻找”那些逻辑盒子在向量空间中的正確位置。

这就像是在玩拼图，刚开始总是最慢的。

徐辰没有盯著屏幕发呆，他起身给自己泡了杯咖啡，顺便看了会美剧。

两个小时后。

当他再次回到屏幕前时，终端里的数据已经发生了翻天覆地的变化。

epoch 50/100 | loss: 0.1245 | accuracy: 94.2%

“收敛速度比预想的要快。”

徐辰眉毛一挑。

普通的transformer模型在处理逻辑推理任务时，往往需要海量的数据“餵”进去，靠概率去“蒙”出逻辑关係，所以收敛极慢，且很容易过擬合。

但laart不一样。

它的“逻辑门控单元”就像是一个严厉的老师，一旦模型试图“瞎矇”，就会被几何约束狠狠地惩罚。这迫使模型必须去学习真正的因果链条，而不是统计规律。

“差不多了。”

徐辰终止了训练，保存了模型权重。

……

接下来，是见证奇蹟的时刻——推理测试。也就是看一下刚刚训练好的ai在实际推理上的成绩怎么样。

他打开了那个专门用来测试逻辑能力的clutrr数据集，隨机抽取了一道题输入模型。

context（上下文）：“爱丽丝的丈夫是鲍勃。鲍勃的女儿是克莱尔。克莱尔的哥哥是大卫。大卫的儿子是艾瑞克。”

question（问题）：“爱丽丝是艾瑞克的什么人？”

徐辰按下了回车。

如果是普通的gpt-3级別的模型，面对这种多跳推理，很容易因为“注意力分散”而答错，可能会回答“阿姨”或者“妈妈”。

屏幕上光標闪烁了0.1秒。

回答: grandmother (祖母)

逻辑路径:爱丽丝-＞(妻子)-＞鲍勃-＞(女儿)-＞克莱尔-＞（哥哥）-＞大卫-＞（儿子）-＞艾瑞克.

“漂亮！”

徐辰打了个响指。

不仅仅是答案正確，更重要的是那个逻辑路径。这说明模型不是在“猜”，而是在那个高维的几何空间里，真正地构建出了人物关係图谱，並通过向量运算，一步步推导出了结果！

……

但这只是单例测试，说明不了大问题。真正的考验，是全量数据集的泛化能力测试。

他首先进行了离线测试。也就是用clutrr数据集中，预先划分好的“验证集”来跑分。这部分数据模型在训练时是没见过的，可以初步检验模型的泛化能力。

他敲下了测试指令，看著进度条一点点向前推进。

趁著测试的空档，他打开了papers with code网站，搜索了clutrr数据集的最新排行榜。

排名第一的，是deepmind在半年前发布的neuro-symbolic gnn (v2)，准確率达到了92.4%。这是一个专门为逻辑推理设计的、极其复杂的混合架构，號称融合了神经网络和符號ai的精髓。