众所周知，人类的本质是复读机。
我们遵循复读机的自我修养：敲黑板，划重点，重要的事情说三遍。
but，事实上同样的方法对付AI也有奇效！
有研究证明，在提问的时候故意重复一遍——也就是复制粘贴，即可显著提高LLM的推理能力。
论文地址：https://arxiv.org/pdf/2309.06275
看下面的例子：
作者认为，通常情况下，问题中的重点token（比如这里的tennis balls）无法看到位于它后面的token（上图）。
相比之下，使用重读（re-reading，RE2）的方法，允许「tennis balls」在第二遍中看到自己对应的整个问题（How many tennis balls does he have now?），从而达到双向理解的效果（下图）。
实验表明，在14个数据集上的112个实验中，RE2技术都能带来一致的性能提升，无论是经过指令调整的模型（如ChatGPT），还是未经调整的模型（如Llama）。
实践中，RE2作为独立的技巧，可以与CoT（Let’s think step by step）以及自我一致性方法（self-consistency，SC）一起使用。
下表展示了混合应用多种方法对模型效果的影响。尽管自我一致性聚合了多个答案，但重读机制仍然有助于大多数场景的改进。
接下来，在GSM8K数据集上（使用ChatGPT）进一步研究输入问题复杂性对CoT和RE2提示的推理性能的影响。
这里通过计算真实解释中存在的推理步骤来衡量问题的复杂性，结果如下图所示。
随着问题复杂性的增加，所有提示的表现通常都会下降，但重读的引入提高了LLM应对各种复杂问题的表现。
此外，作者还计算了各代和输入问题之间的覆盖度，证明RE2增加了输出解释中的n-gram (n=1,2,3,4) 召回率。
重要的事情说2遍
事实上，理解是解决问题的第一步，至关重要。
当今大多数LLM都采用单向注意力的decoder-only架构 ，在对问题进行编码时，单向注意力限制了token的可见性，这可能会损害对问题的全局理解。
怎么解决这个问题？作者受到人类习惯的启发，尝试让LLM把输入再读一遍。
与引导模型在输出中推理的CoT不同，RE2通过两次处理问题将焦点转移到输入，促进了单向解码器的双向编码，从而增强LLM理解过程。
上图为GSM8K数据集上测试的注意力分布图，较暗的单元格表示较高的注意力。
上虚线三角形内的区域表明，第二遍输入中的每个token都明显关注第一遍中的后续token，证明LLM的重读有望实现对问题的双向理解。
从另一个角度考虑，重读使LLM能够为输入编码分配更多的计算资源，类似于水平增加神经网络的深度。因此，拥有RE2的LLM对问题有更深入的理解。
普通推理
利用带有CoT提示的LLM来解决推理任务，可以用公式表述为：
其中，Cx表示提示输入，来自带有CoT提示指令的模板，z表示自然语言中的采样基本原理。
因此， LLM可以将复杂的任务分解为更易于管理的推理步骤，将每个步骤视为整个解决方案链的组成部分。
RE2 推理
受到人类重读策略的启发，将上面的方程改写为：
所以RE2在实际应用中就是下面这种格式：
其中{Input Query}是输入查询的占位符，左侧部分可以包含其他引发思考的提示。
实验
为了验证RE2的有效性和通用性，研究人员在14个数据集上进行了112个实验，涵盖算术、常识和符号推理任务。
算术推理
实验考虑以下七个算术推理基准：
数学应用题的GSM8K基准、具有不同结构的数学应用问题的SVAMP数据集、不同数学应用题的ASDiv数据集、代数应用题的AQuA数据集、三到五年级学生的加法和减法数学应用题、多步骤数学问题数据集，以及单次运算的初等数学应用题数据集。
上表为算术推理基准测试结果。*处表示不使用任何技巧，但效果优于CoT提示的情况。
常识和符号推理
对于常识推理，实验采用StrategyQA、ARC和CSQA数据集。
StrategyQA数据集包含需要多步骤推理的问题；
ARC数据集（ARC-t）分为两个集合：挑战集（ARC-c）和简单集（ARC-e），前者包含基于检索和单词共现算法都错误回答的问题；
CSQA数据集由需要各种常识知识的问题组成。
实验评估两个符号推理任务：日期理解和Coinflip。日期理解是 BigBench数据集的子集，Coinflip是一个问题数据集，根据问题中给出的步骤，判断硬币翻转后是否仍然正面朝上。
结果表明，除了普通ChatGPT上的某些场景之外，具有简单重读策略的RE2，持续增强了LLM的推理性能。
RE2展示了跨各种LLM的多功能性（Text-Davinci-003、ChatGPT、LLaMA-2-13B和LLaMA-2-70B），涵盖指令微调 (IFT) 和非IFT模型。
作者还对RE2在零样本和少样本的任务设置、思维引发的提示方法以及自洽设置方面进行了探索，突出了其通用性。
Prompting
实验严格评估RE2模型在两种基线提示方法上的性能：Vanilla（不添加特技）和CoT（通过逐步的思维过程来指导模型）。
针对不同的任务，作者在提示中设计了答案格式指令，以规范最终答案的结构，便于精确提取答案。
实验的解码策略使用贪婪解码，温度设置为0，从而产生确定性输出。
最后探索一下问题重读次数对推理性能的影响：
上图展示了两个不同的LLM的表现如何随问题重读次数的变化而变化。我们可以发现重读2次使性能提高，之后随着问题重读次数增加，性能开始下降。
猜测原因有两个：i）过度重复问题可能会起到示范作用，鼓励LLM重复问题而不是生成答案，ii）重复问题会显著增加推理和预训练之间的不一致。
