华人主导谷歌SLED，论文登顶会！一键让模型学会自救

---

  新智元报道  

一图看透全球大模型！新智元十周年钜献，2025 ASI前沿趋势报告37页首发

十几年来，我们见证了大模型一次次刷新能力上限——写文章、写代码、写诗通通不在话下。

可问题是，它们往往一本正经地胡说八道：温哥华成了不列颠哥伦比亚的首府，走进壁炉还能瞬间传送……

这种「幻觉」几乎成了AI的原罪。

很多人以为，这是模型根本不知道。但Google Research在NeurIPS 2024上提出的SLED（Self Logits Evolution Decoding）却揭示了一个颠覆性事实：

大模型其实知道答案，只是最后一步给忘了。

论文地址：https://arxiv.org/html/2411.02433v3?utm_source

项目主页：https://github.com/JayZhang42/SLED

而SLED的妙处，就是让所有层次的声音都被听到，一起决定结果。

这意味着，大模型或许并不需要外部检索、额外训练，就能把自己的幻觉率降下来。

在我们日常用AI的时候，有一个老梗常被提起：问它「不列颠哥伦比亚的首府是哪座城市？」，它往往答「温哥华」。可真正的答案是「维多利亚」。

这种自信却错误的输出，就是所谓的「AI幻觉」。

演示SLED在回答多项选择题时如何改进标准LLM 解码。通过使用来自所有层的信息，SLED+LLM会得出正确答案（维多利亚州），而不是不列颠哥伦比亚省更知名的城市（温哥华）

这类「AI幻觉」案例并不少见，也让人对大模型的可靠性打不少问号。

这意味着，它在医疗、法律、教育这些关键场景里可能造成严重后果——错误的判断、误导性的结论、甚至损害信任。

研究者早已指出，幻觉是大模型应用的系统性挑战，并开发了像TruthfulQA这样的基准来专门测试事实性。

传统的修复路径，通常是依赖外部检索（RAG）、或者让模型去查数据、用知识库、再结合微调。

这些方法虽然有效，但代价高，系统复杂: 检索有时慢、检索结果可能不准确，知识库也要维护，微调则需要标注／资源。

最近，谷歌的研究团队在NeurIPS 2024发布了一个新方法叫SLED（Self Logits Evolution Decoding），目标是：不依赖外部知识，不再额外微调，而是让模型自己用好内部的知识，减少幻觉。

原因在于模型生成答案时，每一层都会产生对下一个词的预测（logits）。

但传统方法只看最后一层，容易被训练语料里最常见的模式牵着走，从而忽视掉中间层里更接近事实的信号。

而SLED的关键点，则是把所有层的预测都纳入考量，再通过权重融合得出结果。

这样，当最后一层倾向于「套路答案」时，其他层提供的补充信息能把模型拉回到更符合事实的方向。

传统大模型在解码时，往往只依赖最后一层的预测结果。

但研究团队发现，这一步可能过于「武断」：最后一层倾向于给出训练语料里最常见的答案，而忽略了中间层已经蕴含的更准确信息。

研究团队这样定义SLED：

幻觉产生的根源在于模型「知道的」和「说出来的」之间存在差距。

模型在训练中可能已经隐式学到事实性知识，但推理时输出的分布仍可能出现偏差,这就是幻觉的来源。

SLED的目标，就是在解码阶段弥合这两者的差距。

它的做法，是把中间层的预测结果也统一到同一词表上，再与最后一层加权融合。

这样就能利用「层与层之间的差异」，让模型不再只听一个声音。

SLED工作流程。对比早期层与最终层的logits，得到潜在分布，再修正最终层的输出，使结果更接近真实。

以一个简单的算术题为例：

普通模型常常输出「6×10=60」。

但SLED在中间层发现有不少预测倾向于加上「×0.9」，于是修正出正确答案54。

SLED利用中间层线索修正输出，让模型避开常见错误，得到更准确的答案。

再看看更复杂的算术问题:

普通模型常常答 450 美元,而忘了1.2倍的加班费，而SLED借助中间层提示，把结果修正为正确的460美元。

GSM8K工资计算案例。普通模型输出错误的$450，而SLED利用中间层信号修正为正确的$460。

通过这种方法，SLED不需要改变模型结构，也不需要额外训练，就能在解码阶段把这些「差点被忘掉的知识」利用起来。

这项研究来自Google Research团队。

第一作者是Jianyi Zhang，还在读书，就已经在顶会上挂名核心作者。

团队里也不乏老牌大牛：研究科学家Cyrus Rashtchian、研究主管Da-Cheng Juan以及在机器学习和系统优化方向深耕多年的Chun-Sung Ferng、Heinrich Jiang、Yiran Chen。

他们把这项成果带到了NeurIPS 2024，并顺手把代码开源在GitHub上，希望能让更多人用得上。

而为了证明这套方法不是纸上谈兵，团队还在一系列模型上做了全面测试。

如果说SLED的原理听起来还略显抽象，那么实验结果就足够直观了。

研究团队把它放在多个开源模型上做了系统实验，包括Gemma-3、Qwen-3、Mixtral和GPT-OSS。

既覆盖了最小的1B模型，也覆盖了20B、27B这种更大规模的模型。

结果显示：无论模型大小、家族类型，SLED都能显著减少幻觉。

在Gemma-3系列上，表现尤其亮眼。

1B-PT模型在FACTOR数据集上的准确率只有47.83%，而引入SLED后直接飙升到 63.29%；

Gemma-3 27B-IT在TruthfulQA MC1上也从41.14%提升到47.47%，比当时的最佳方法 DoLa高出整整10个百分点。

从最小的1B到最大的27B，SLED都带来了稳定的提升。

Gemma-3系列不同规模模型在FACTOR和TruthfulQA上的表现。SLED在所有规模和训练类型下均优于基线和DoLa

不仅如此，跨家族测试同样说明了SLED的稳健性。

在GPT-OSS 20B上，FACTOR分数从41.12%提升到55.31%；在Mixtral-8×7B-IT 上，从70.51%提升到75.55%；就连Qwen-3-14B这样的模型，在TruthfulQA MC1上也能从38.10% 稳定升到40.00%。

相比之下，DoLa在这些模型上的表现并不稳定，有时甚至比基线更差，而SLED几乎在所有场景下都能保持领先。

SLED在GPT-OSS、Mixtral、Qwen等不同模型家族上的表现，全面优于基线和DoLa。

推理速度确实会慢一点。但实验数据显示，延时开销只有大约4%，几乎感知不到，却换来了最高16%的准确率提升。

这让它不仅是一个性能优化技巧，更是一种能立刻落地、真正改变用户体验的解码策略。

SLED带来的价值远不止修正几个答案，它让我们重新理解了大模型：

知识并不是只集中在最后一层，而是分散在整个网络里。

过去我们只依赖最终的输出，就像只听一个人的意见，而忽略了其他层级中更接近真实的信号。

SLED的特别之处在于，它不改变模型结构，也不需要外部知识，就能把这些潜藏的信息调动起来，让答案更可信。

这在当下显得尤为重要。搜索和推荐场景已经在被AI改写——Google的AI Overview功能，会直接在搜索结果页展示由模型生成的摘要。

研究发现，当用户看到AI的总结时，他们更少点击下方的传统搜索链接，这让新闻网站的流量大幅下降。

与此同时，Google Discover流里也被曝光推荐了不少AI生成、未经验证的内容，甚至是假新闻站点。

当人们越来越依赖AI来直接告诉答案，内容的可靠性就变得至关重要。

如果输出的内容频繁出错，信任的代价将成倍增加。

在这种语境下，SLED的意义就不只是提升几个百分点的准确率，而是为生成式AI守住底线。

更值得期待的是，它还能走得更远。

SLED可以和监督微调结合，进一步适配特定领域；

也可以与检索增强（RAG）协同，把内部潜在知识和外部知识库结合成更强的「组合拳」；

甚至在未来在视觉问答、代码生成、长文本写作等任务中，都可能发挥作用。

与其盲目追求更大的参数和更多的数据，不如学会更聪明地使用已有的潜在知识。

SLED展示了一条新的路：把零散的记忆重新拼合，才能让模型更可靠，也更值得托付。

毕竟，AI不是不知道，而是忘了；而SLED，正在帮它记起来。