击败整个羊驼家族，击败家族极少Meta AI自对齐新方法只需极少人工标注数据

作者：西风 2023-08-21 11:29:50人工智能 新闻 大语言模型需要大量人工标注的整个自对只需指令数据进行微调，而现在模型可自动从网络语料库未标记的羊驼文本中推理出指令。

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，齐新转载请联系出处。人工

人工标注数据告急？

Mata新方法仅用少量种子数据，标注就构建了一个高质量的数据指令遵循（ instruction following）语言模型。

换言之，击败家族极少大语言模型需要大量人工标注的整个自对只需指令数据进行微调，而现在模型可自动从网络语料库未标记的羊驼文本中推理出指令。

然后用自己生成的齐新指令数据进行训练，堪比自产自销。人工

并且用这种方法训练出的标注模型在Alpaca基准测试上，超越开源羊驼及其一系列衍生模型。数据

LeCun发推认为该研究在模型自对齐方面具有轰动性：

用网友的击败家族极少一句话总结：

羊驼开始自我训练了。

两句话总结是这样婶儿的：

原本需要指令>响应数据集（需要人工标注），现在只需要简单训练一个“反向模型”做响应>指令。任何文本可随意转换为指令数据集。

还有网友发出灵魂拷问：

是只有我一个人，觉得这看起来像是通往超级智能的道路？如果你不需要额外的高质量外部数据，就能获得越来越智能的LLM，那么这就是一个自我改进的封闭系统。

也许只需要一种强化学习系统来提供信号，然后LLM自身的迭代就可以完成其余的工作。

羊驼：我自己搞数据训练了一头鲸

这种可扩展的新方法叫做指令回译，Mata为用这种方法训练出的模型起了个名字——Humpback（座头鲸，又称驼背鲸）。

（研究人员表示，之所以起这么个名字，是因为它和骆驼背的关系，而且鲸鱼体型更大，对应模型规模更大）

训练一个Humpback的步骤简单来说就是，从少量标注数据开始，使用语言模型生成未标注文本所对应的指令，形成候选训练数据。再用模型评估数据质量，选择高质量数据进行再训练。然后重复该过程，进一步改进模型。

如上图所示，需要准备的“材料”有：

• 一个基础模型——LLaMa
• 一个由Open Assistant数据集中的3200个示例构成的种子数据（Seed Data），每个示例包括一个指令和对应的输出。
• 从ClueWeb语料中抽取了502K段已去重、过滤、删除了潜在低质量段落的未标注文本（Unlabeled Data）。

标注示例和语料来源都有了，下一步就是自增强(Self-augment)阶段。

研究人员用种子数据对基础模型LLaMa进行了微调，获得指令预测模型。然后用这个指令预测模型，为未标注文本推理出一个候选指令。之后组合候选指令与文本（指令-输出对），作为候选增强训练数据，也就是上图中的Augmented Data A。

但还不能用A的数据直接训练，因为未标注文本本身质量参差不齐，生成的候选指令也存在噪声。

所以需要关键的自管理（Self-curate）步骤，使用模型预测数据质量，选择高质量样本进行训练。

具体来说，研究人员使用仅在种子数据上微调的指令模型对候选数据打分。满分五分，分数较高的才会被挑选出来作为下一轮的候选数据。

为了提高模型指令预测质量，研究人员用候选数据迭代训练了模型，在迭代训练中，数据质量也会越来越好。

此外，在组合种子数据和增强数据微调模型时，他们还使用不同的系统提示标记区分了这两个数据源：

• 种子数据使用提示“Answer in the style of an AI Assistant.”
• 筛选数据使用提示“Answer with knowledge from web search.”

进行两轮迭代后，最终模型就新鲜出炉啦。

合并两种训练数据：1+1>2

下面再来看看研究人员的分析结果：

△种子数据和增强数据的指令多样性。内圈是常见的根动词，外圈是与其对应的常见名词。

上图是用8%种子数据和13%的增强数据统计的指令多样性。

可以很直观地看到，在长尾部分增强数据多样性更强，且增强数据与现有的人工标注种子数据相辅相成，补充了种子数据中未出现的类型。

其次，研究人员比较了三个增强数据集：Augmented data，all(无自管理)、、数据更少但质量更高的

实验观察到，尽管数据集变小，但伴随着训练数据质量的提升模型性能也有了很好的提升。

△使用自筛选评估不同数据大小和质量的自增强数据。y轴表示在使用给定数据大小和质量微调LLaMa 7B时与text-davinci-003的胜率。

（text-davinci-003，一种基于GPT-3的指令遵循模型，使用强化学习在人类编写的指令数据、输出、模型响应和人类偏好上进行了微调）

最后来看一下Alpaca排行榜上的结果。Humpback在不依赖蒸馏数据的情况下，表现明显优于其它方法，并且缩小了与专有模型之间的差距。

非蒸馏（Non-distilled），指不依赖于任何外部模型作为任何形式监督的训练模型；蒸馏（Distilled），指在训练过程中引入更强大的外部模型，例如使用从外部模型蒸馏的数据；专有（Proprietary），指使用专有数据和技术进行训练的模型。

△相对于text-davinci-003的胜率

在与开源模型LIMA 65B、Guanaco 65B、Falcon-Instruct 40B和专有模型davinci-003、Claude的比较中，Humpback的表现也都更符合人类偏好。

此外，研究人员还指出了该方法的局限性：

由于用于训练的文本数据来自网络语料库，微调后的模型可能会放大网络数据的偏差。虽然和基础模型相比，微调后的模型提高了检测偏差的准确性。然而，这并不意味着会完全解决这个问题。

传送门：https://arxiv.org/abs/2308.06259（论文链接）

责任编辑：张燕妮 来源： 量子位 智能数据

(责任编辑：综合)