今天小編分享的科學經驗：DeepSeek團隊新作：把代碼變成思維鏈，大模型推理各種能力全面提升，歡迎閱讀。
用代碼訓練大模型思考，其他方面的推理能力也能提升。
DeepSeek 團隊最新研究，利用 300 多萬個實例，将代碼轉換成思考過程，構建出數據集CODEI/O，對 Qwen、Llama 等模型進行了訓練。
結果，在各種類型的推理任務當中，模型性能都取得了全面提升，包括在非代碼類的推理任務上，也展現出了良好的遷移能力。
研究團隊認為，在代碼當中暗含了不同類型場景的思考過程，于是想要把這種思考過程 " 提取 " 出來訓練推理模型。
他們生成了大量的訓練數據運行這些代碼，然後把代碼、輸入 / 輸出對以及功能描述輸入 DeepSeek-V2.5，從而合成自然語言形式的推理過程。
在此基礎上，團隊還引入了驗證和修訂機制，形成了更高質量的CODEI/O++。
從代碼中構建思維鏈
首先，作者從 CodeMix、PyEdu-R 等數據集中收集了 80 多萬份代碼檔案，涵蓋多種編程語言（以 Python 為主），任務類型多樣，并且蘊含了豐富的推理模式。
但是，由于原始代碼檔案通常缺乏結構化，包含不相關的元素，難以以自包含的方式執行，作者使用 DeepSeek-V2.5 模型對其進行預處理，将其轉換為統一的格式。
轉換過程中的工作主要包括把核心邏輯功能提取到函數中，添加總結整體邏輯的主入口函數，明确定義主入口函數的輸入 / 輸出，創建獨立的基于規則的輸入生成器函數，以及基于主入口函數生成簡明的問題陳述作為查詢等等。
接下來，在轉換後的每個函數上，使用輸入生成器采樣多個輸入，并通過執行代碼獲得相應的輸出，從而收集輸入 - 輸出對。
這一過程中，部分代碼出現了超時、復雜度過高、不可執行或結果不确定等情況，這部分代碼被作者跳過，最終生下了 40 多萬份代碼文檔，產生了 350 萬個樣本實例。
然後，作者利用 DeepSeek-V2.5，将代碼、輸入輸出對、功能描述等信息合成為自然語言思維鏈（CoT），構建訓練樣本。
對于每一個輸入 - 輸出對，作者首先構建一個輸入提示。這個提示由幾個部分拼裝而成：
函數定義：即之前結構化和标準化後的 Python 函數代碼。
文本描述：用自然語言概括函數的功能和目的。
參考代碼：與函數定義類似，但可能包含一些額外的上下文信息或注釋。
輸入或輸出：根據是輸入預測還是輸出預測任務，提示中會包含具體的輸入或期望的輸出。
将構建好的提示輸入給 DeepSeek-V2.5 模型，模型會根據提示生成一段自然語言文本作為響應。
這段文本就是作者想要的推理過程——它需要解釋如何從給定的輸入推導出輸出，或者在給定輸出的情況下如何構造出滿足條件的輸入。
通過這種方式收集的數據集，就是 CODEI/O。
在 CODEI/O 的基礎上，作者進一步利用了代碼的可執行特性，合成了數據質量更高的CODEI/O++。
作者首先對 CODEI/O 中生成的所有響應通過重新執行代碼進行正确性驗證。對于驗證為不正确的響應，作者将執行反饋追加為第二輪輸入信息，并要求模型重新生成一個響應。
執行反饋包括輸出預測的正誤、輸入預測基于錯誤輸入的執行輸出，以及代碼執行失敗的錯誤信息等。
在第二輪生成後，再次檢查新響應的正确性。
無論第二輪結果如何，最終的響應都由四個部分按順序構成：第一輪響應、第一輪反饋、第二輪響應和第二輪反饋。
對于第一輪就正确的響應，第一輪反饋簡單标記為 "Success"，且沒有第二輪内容。
與 CODEI/O 一樣，所有修訂後的響應都會被保留。通過引入基于執行反饋的多輪修正所構建的增強型數據集就是 CODEI/O++。
數據集構建完成後，作者采用了兩階段訓練策略對相關模型進行訓練。
第一階段先用 CODEI/O 或 CODEI/O++ 來訓練推理能力，然後再用通用指令數據集進行微調，教會模型遵循自然語言指令、執行各種任務。
模型推理能力全面提升
為了評估 CODEI/O 或 CODEI/O++ 的效果，作者一共找來了四個模型來進行測試，分别是 Qwen 2.5-7B-Coder、Deepseek v2-Lite-Coder、Llama 3.1-8B 和 Gemma 2-27B。
測試過程中，作者共選用了 10 餘個數據集，測試了模型常識、數學、代碼、物理、工程等領網域的表現，具體數據集如下表：
CODEI/O 訓練之後，Qwen-Coder 在代碼理解任務上取得了突破性進展，并且在閱讀理解和推理任務（如 DROP）上也有明顯提升，這表明通過代碼訓練獲得的推理能力确實遷移到了其他領網域。
DeepSeek-Coder 在 CODEI/O 的訓練下也展現出了均衡的進步，在各個維度上都實現了穩定的改進。
Qwen-Coder 和 DeepSeek-Coder 的表現說明，即使是已經在代碼領網域有專門訓練的模型，也能從這種結構化的推理訓練中獲益。
Llama 在 LeetCode-O 上的性能提升了将近 150%，說明即使是參數量較小的模型，通過合适的訓練方法也能在特定任務上獲得較大提升。
而 Gemma 作為測試中最大的模型，展示了 CODEI/O 方法在大規模模型上的适用性，在多個關鍵領網域取得了進步。
相比于數據量更大的 WebInstruct（WI），CODEI/O 整體上取得了更好的效果；而相對于專門為某種任務設計的 OpenMathInstruct2（OMI2）、PyEdu 等方式，CODEI/O 體現了更強的通用性。
作者簡介
本文第一作者是來自上海交大的碩士生Junlong Li，目前在 DeepSeek 實習。
同時他還在香港科技大學助理教授何俊賢的指導下進行研究工作，何俊賢亦是本文的通訊作者。
此外參與了 DeepSeek V2、V3 以及 R1 研發的 DeepSeek 核心研究員、中山大學校友郭達雅也參與了這一項目。
論文地址：
https://arxiv.org/abs/2502.07316
GitHub：
https://github.com/hkust-nlp/CodeIO
數據集：
https://huggingface.co/datasets/hkust-nlp/CodeIO-PyEdu-Reasoning
