小红书搜索团队揭示：验证负样本在大规模模型蒸馏中的重要性

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

大语言模型（llms）在推理任务上表现出色，但其黑盒属性和庞大参数量限制了其在实践中的应用。特别是在处理复杂的数学问题时，llms有时会出现错误的推理链。传统的研究方法仅从正样本中迁移知识，忽略了合成数据中带有错误答案的重要信息。因此，为了提高llms的性能和可靠性，我们需要更加全面地考虑和利用合成数据，不仅仅局限于正样本，以帮助llms更好地理解和推理复杂问题。这将有助于解决llms在实践中的挑战，推动其广泛应用。

在 AAAI 2025 上，小红书搜索算法团队提出了一个创新框架，在蒸馏大模型推理能力的过程中充分利用负样本知识。负样本，即那些在推理过程中未能得出正确答案的数据，虽常被视为无用，实则蕴含着宝贵的信息。

论文提出并验证了负样本在大模型蒸馏过程中的价值，构建一个模型专业化框架：除了使用正样本外，还充分利用负样本来提炼 LLM 的知识。该框架包括三个序列化步骤，包括负向协助训练（NAT）、负向校准增强（NCE）和动态自洽性（ASC），涵盖从训练到推理的全阶段过程。通过一系列广泛的实验，我们展示了负向数据在 LLM 知识蒸馏中的关键作用。

一、背景

在当前情况下，思维链（CoT）的引导下，大型语言模型（LLMs）展现出了强大的推理能力。然而，我们已经证明，这种涌现能力只有具备千亿级参数的模型才能够实现。由于这些模型需要巨大的计算资源和高昂的推理成本，它们在资源受限的情况下很难应用。因此，我们的研究目标是开发出能够进行复杂算术推理的小型模型，以便在实际应用中进行大规模部署。

知识蒸馏提供了一种有效的方法，可以将 LLMs 的特定能力迁移到更小的模型中。这个过程也被称为模型专业化（model specialization），它强制小模型专注于某些能力。先前的研究利用 LLMs 的上下文学习（ICL）来生成数学问题的推理路径，并将其作为训练数据，有助于小模型获得复杂推理能力。然而，这些研究只使用了生成的具有正确答案的推理路径（即正样本）作为训练样本，忽略了在错误答案（即负样本）的推理步骤中有价值的知识。因此，研究者们开始探索如何利用负样本中的推理步骤，以提高小模型的性能。一种方法是使用对抗训练，即引入一个生成器模型来生成错误答案的推理路径，然后将这些路径与正样本一起用于训练小模型。这样，小模型可以学习到在错误推理步骤中的有价值的知识，并提高其推理能力。另一种方法是利用自监督学习，通过将正确答案与错误答案进行对比，让小模型学习区分它们，并从中提取有用的信息。这些方法都可以为小模型提供更全面的训练，使其具备更强大的推理能力。总之，利用负样本中的推理步骤可以帮助小模型获得更全面的训练，提高其推理能力。这种

图片

如图所示，表 1 展示了一个有趣的现象：分别在正、负样本数据上训练的模型，在 MATH 测试集上的准确答案重叠非常小。尽管负样本训练的模型准确性较低，但它能够解决一些正样本模型无法正确回答的问题，这证实了负样本中包含着宝贵的知识。此外，负样本中的错误链路能够帮助模型避免犯类似错误。另一个我们应该利用负样本的原因是 OpenAI 基于 token 的定价策略。即使是 GPT-4，在 MATH 数据集上的准确性也低于 50%，这意味着如果仅利用正样本知识，大量的 token 会被浪费。因此，我们提出：相比于直接丢弃负样本，更好的方式是从中提取和利用有价值的知识，以增强小模型的专业化。

模型专业化过程一般可以概括为三个步骤：

1）思维链蒸馏（Chain-of-Thought Distillation），使用 LLMs 生成的推理链训练小模型。

2）自我增强（Self-Enhancement），进行自蒸馏或数据自扩充，以进一步优化模型。

3）自洽性（Self-Consistency）被广泛用作一种有效的解码策略，以提高推理任务中的模型性能。

在这项工作中，我们提出了一种新的模型专业化框架，该框架可以全方位利用负样本，促进从 LLMs 提取复杂推理能力。

我们首先设计了负向协助训练（NAT）方法，其中 dual-LoRA 结构被设计用于从正向、负向两方面获取知识。作为一个辅助模块，负向 LoRA 的知识可以通过校正注意力机制，动态地整合到正向 LoRA 的训练过程中。
对于自我增强，我们设计了负向校准增强（NCE），它将负向输出作为基线，以加强关键正向推理链路的蒸馏。
除了训练阶段，我们还在推理过程中利用负向信息。传统的自洽性方法将相等或基于概率的权重分配给所有候选输出，导致投票出一些不可靠的答案。为了缓解该问题，提出了动态自洽性（ASC）方法，在投票前进行排序，其中排序模型在正负样本上进行训练的。

二、方法

我们提出的框架以 LLaMA 为基础模型，主要包含三个部分，如图所示：

步骤 1 ：对负向 LoRA 进行训练，通过合并单元帮助学习正样本的推理知识；
步骤 2 ：利用负向 LoRA 作为基线来校准自我增强的过程；
步骤 3 ：在正样本和负样本上训练排名模型，在推理过程中根据其得分，自适应地对候选推理链路进行加权。

图片

2.1 负向协助训练（NAT）

我们提出了一个两阶段的负向协助训练（NAT）范式，分为负向知识吸收与动态集成单元两部分：

2.1.1 负向知识吸收

通过在负数据

上最大化以下期望，负样本的知识被 LoRA θ

吸收。在这个过程中，LLaMA 的参数保持冻结。

图片

2.1.2 动态集成单元

由于无法预先确定 θ

擅长哪些数学问题，我们设计了如下图所示的动态集成单元，以便在学习正样本知识的过程中，动态集成来自 θ

的知识：

图片

我们冻结 θ

以防止内部知识被遗忘，并额外引入正 LoRA 模块 θ 。理想情况下，我们应该正向集成正负 LoRA 模块（在每个 LLaMA 层中输出表示为与），以补充正样本中所缺乏但对应所具有的有益知识。当 θ

包含有害知识时，我们应该对正负 LoRA 模块进行负向集成，以帮助减少正样本中可能的不良行为。

我们提出了一种纠正注意力机制来实现这一目标，如下所示：

图片

我们使用

作为查询来计算和的注意力权重。通过在添加校正项 [0.5；-0.5]，的注意力权重被限制在 [-0.5，0.5] 的范围内，从而实现了在正、负两个方向上自适应地集成来自的知识的效果。最终，

和 LLaMA 层输出的总和形成了动态集成单元的输出。

2.2 负向校准增强（NCE）

为了进一步增强模型的推理能力，我们提出了负校准增强（NCE），它使用负知识来帮助自我增强过程。我们首先使用 NAT 为中的每个问题生成对作为扩充样本，并将它们补充到训练数据集中。对于自蒸馏部分，我们注意到一些样本可能包含更关键的推理步骤，对提升模型的推理能力至关重要。我们的主要目标是确定这些关键的推理步骤，并在自蒸馏过程中加强对它们的学习。

考虑到 NAT 已经包含了 θ

的有用知识，使得 NAT 比 θ

推理能力更强的因素，隐含在两者之间不一致的推理链路中。因此，我们使用 KL 散度来测量这种不一致性，并最大化该公式的期望：

图片

β 值越大，表示两者之间的差异越大，意味着该样本包含更多关键知识。通过引入 β 来调整不同样本的损失权重，NCE 将能够选择性地学习并增强 NAT 中嵌入的知识。

2.3 动态自洽性（ASC）

自洽性（SC）对于进一步提高模型在复杂推理中的表现是有效的。然而，当前的方法要么为每个候选者分配相等的权重，要么简单地基于生成概率分配权重。这些策略无法在投票阶段根据 (rˆ, yˆ) 的质量调整候选权重，这可能会使正确候选项不易被选出。为此，我们提出了动态自洽性方法（ASC），它利用正负数据来训练排序模型，可以自适应地重新配权候选推理链路。

2.3.1 排序模型训练

理想情况下，我们希望排序模型为得出正确答案的推理链路分配更高的权重，反之亦然。因此，我们用以下方式构造训练样本：

图片

并使用 MSE loss 去训练排序模型：

图片

2.3.2 加权策略

我们将投票策略修改为以下公式，以实现自适应地重新加权候选推理链路的目标：

图片

下图展示了 ASC 策略的流程：

图片

从知识迁移的角度来看，ASC 实现了对来自 LLMs 的知识（正向和负向）的进一步利用，以帮助小模型获得更好的性能。

三、实验

本研究专注于具有挑战性的数学推理数据集 MATH，该数据集共有 12500 个问题，涉及七个不同的科目。此外，我们还引入了以下四个数据集来评估所提出的框架对分布外（OOD）数据的泛化能力：GSM8K、ASDiv、MultiArith和SVAMP。

对于教师模型，我们使用 Open AI 的 gpt-3.5-turbo 和 gpt-4 API来生成推理链。对于学生模型，我们选择 LLaMA-7b。

在我们的研究中有两种主要类型的基线：一种为大语言模型（LLMs），另一种则基于 LLaMA-7b。对于 LLMs，我们将其与两种流行的模型进行比较：GPT3 和 PaLM。对于 LLaMA-7b，我们首先提供我们的方法与三种设置进行比较：Few-shot、Fine-tune（在原始训练样本上）、CoT KD（思维链蒸馏）。在从负向角度学习方面，还将包括四种基线方法：MIX（直接用正向和负向数据的混合物训练 LLaMA）、CL（对比学习）、NT（负训练）和 UL（非似然损失）。

3.1 NAT 实验结果

所有的方法都使用了贪婪搜索（即温度 = 0），NAT 的实验结果如图所示，表明所提出的 NAT 方法在所有基线上都提高了任务准确性。

从 GPT3 和 PaLM 的低值可以看出，MATH 是一个非常困难的数学数据集，但 NAT 仍然能够在参数极少的情况下表现突出。与在原始数据上进行微调相比，NAT 在两种不同的 CoT 来源下实现了约 75.75% 的提升。与 CoT KD 在正样本上的比较，NAT 也显著提高了准确性，展示了负样本的价值。

对于利用负向信息基线，MIX 的低性能表明直接训练负样本会使模型效果很差。其他方法也大多不如 NAT，这表明在复杂推理任务中仅在负方向上使用负样本是不够的。

图片

3.2 NCE 实验结果

如图所示，与知识蒸馏（KD）相比，NCE 实现了平均 10%（0.66）的进步，这证明了利用负样本提供的校准信息进行蒸馏的有效性。与 NAT 相比，尽管 NCE 减少了一些参数，但它依然有 6.5% 的进步，实现压缩模型并提高性能的目的。

图片

3.3 ASC 实验结果

为了评估 ASC，我们将其与基础 SC 和加权（WS）SC 进行比较，使用采样温度 T = 1 生成了 16 个样本。如图所示，结果表明，ASC 从不同样本聚合答案，是一种更有前景的策略。

图片

3.4 泛化性实验结果

除了 MATH 数据集，我们评估了框架在其他数学推理任务上的泛化能力，实验结果如下。

图片

四、结语

本项工作探讨了利用负样本从大语言模型中提炼复杂推理能力，迁移到专业化小模型的有效性。小红书搜索算法团队提出了一个全新的框架，由三个序列化步骤组成，并在模型专业化的整个过程中充分利用负向信息。负向协助训练（NAT）可以从两个角度提供更全面地利用负向信息的方法。负向校准增强（NCE）能够校准自蒸馏过程，使其更有针对性地掌握关键知识。基于两种观点训练的排序模型可以为答案聚合分配更适当的权重，以实现动态自洽性（ASC）。大量实验表明，我们的框架可以通过生成的负样本来提高提炼推理能力的有效性。

论文地址：https://www./link/8fa2a95ee83cd1633cfd64f78e856bd3

五、作者简介

李易为：
现博士就读于北京理工大学，小红书社区搜索实习生，在 AAAI、ACL、EMNLP、NAACL、NeurIPS、KBS 等机器学习、自然语言处理领域顶级会议/期刊上发表数篇论文，主要研究方向为大语言模型蒸馏与推理、开放域对话生成等。
袁沛文：
现博士就读于北京理工大学，小红书社区搜索实习生，在 NeurIPS、AAAI 等发表多篇一作论文，曾获 DSTC11 Track 4 第二名。主要研究方向为大语言模型推理与评测。
冯少雄：
负责小红书社区搜索向量召回。在 AAAI、EMNLP、ACL、NAACL、KBS 等机器学习、自然语言处理领域顶级会议/期刊上发表数篇论文。

道玄（潘博远）：
小红书交易搜索负责人。在NeurIPS、ICML、ACL 等机器学习和自然语言处理领域顶级会议上发表数篇一作论文，在斯坦福机器阅读竞赛 SQuAD 排行榜上获得第二名，在斯坦福自然语言推理排行榜上获得第一名。

曾书（曾书书）：
小红书社区搜索语义理解与召回方向负责人。硕士毕业于清华大学电子系，在互联网领域先后从事自然语言处理、推荐、搜索等相关方向的算法工作。