無需人工標(biāo)注，自生成指令框架打破ChatGPT等LLM的成本瓶頸（自動生成指令）
機(jī)器之心報道
編輯：小舟
當(dāng)前，大型語言模型的性能已經(jīng)達(dá)到了很高的水平，除了進(jìn)一步挖掘其潛力，我們還應(yīng)該關(guān)注到模型背后的人工標(biāo)注成本。
ChatGPT 是今年年底 AI 圈的新晉頂流，人們驚嘆于它強(qiáng)大的問答語言能力和掌握的編程知識。但越是強(qiáng)大的模型，其背后的技術(shù)要求也就越高。
ChatGPT 是在 GPT 3.5 系列模型的基礎(chǔ)上，引入「人工標(biāo)注數(shù)據(jù) 強(qiáng)化學(xué)習(xí)」（RLHF）來不斷微調(diào)預(yù)訓(xùn)練語言模型，旨在讓大型語言模型（LLM）學(xué)會理解人類的命令，并學(xué)會根據(jù)給定的 prompt 給出最優(yōu)的答案。
這種技術(shù)思路是當(dāng)前語言模型的發(fā)展趨勢。這類模型雖然很有發(fā)展前景的，但模型訓(xùn)練和微調(diào)所需的成本非常高。
根據(jù) OpenAI 目前公開的信息，ChatGPT 的訓(xùn)練過程共分為三個階段：
首先，第一個階段是類似于 GPT 3.5 的有監(jiān)督策略模型，這個基礎(chǔ)模型很難理解人類不同類型指令中蘊(yùn)含的意圖，也很難判斷生成內(nèi)容的質(zhì)量高低。研究人員從 prompt 數(shù)據(jù)集中隨機(jī)抽取了一些樣例，然后讓專業(yè)的標(biāo)注人員根據(jù)指定 prompt 給出高質(zhì)量的答案。這個人工過程獲得的 prompt 及其相應(yīng)高質(zhì)量答案被用于微調(diào)初始的有監(jiān)督策略模型，使其具備基本的 prompt 理解能力，并初步提高生成答案的質(zhì)量。
第二階段研究團(tuán)隊(duì)抽取模型根據(jù)給定 prompt 生成的多個輸出，然后讓人類研究員對這些輸出進(jìn)行排序，再用排序數(shù)據(jù)訓(xùn)練獎勵模型（reward model，RM）。ChatGPT 采取 pair-wise loss 來訓(xùn)練 RM。
第三階段研究團(tuán)隊(duì)采用強(qiáng)化學(xué)習(xí)來增強(qiáng)預(yù)訓(xùn)練模型的能力，利用上一階段學(xué)好的 RM 模型來更新預(yù)訓(xùn)練模型參數(shù)。
我們可以發(fā)現(xiàn)，在 ChatGPT 訓(xùn)練的三個階段中，只有第三階段不需要使用人工標(biāo)注數(shù)據(jù)，而第一第二階段都需要大量的人工標(biāo)注。因此 ChatGPT 這類模型雖然性能很好，但是為了提高其遵循指令的能力，人工成本非常高。隨著模型規(guī)模越來越大，能力范圍越來越廣，這個問題就會越發(fā)嚴(yán)重，最終成為阻礙模型發(fā)展的瓶頸。
一些研究嘗試提出解決這一瓶頸的方法，比如華盛頓大學(xué)等機(jī)構(gòu)近期聯(lián)合發(fā)表了一篇論文《SELF-INSTRUCT: Aligning Language Model with Self Generated Instructions》，提出的新框架 SELF-INSTRUCT 通過引導(dǎo)模型自己的生成過程，提高了預(yù)訓(xùn)練語言模型的指令遵循能力。
論文地址：https://arxiv.org/pdf/2212.10560v1.pdf
SELF-INSTRUCT 是一種半自動化過程，使用來自模型本身的指令信號對預(yù)訓(xùn)練的 LM 進(jìn)行指令調(diào)整。如下圖所示，整個過程是一個迭代引導(dǎo)算法。
SELF-INSTRUCT 從有限的種子集開始，指導(dǎo)整個生成過程的手動編寫指令。在第一階段，模型被 prompt 成為新任務(wù)生成指令，該步驟是利用現(xiàn)有的指令集來創(chuàng)建更廣泛的指令，以此來定義新任務(wù)。SELF-INSTRUCT 還為新生成的指令集創(chuàng)建輸入輸出實(shí)例，以用于監(jiān)督指令調(diào)整。最后，SELF-INSTRUCT 還對低質(zhì)量和重復(fù)指令進(jìn)行修剪。整個過程是反復(fù)迭代執(zhí)行的，最終模型能為大量任務(wù)生成指令。
為了驗(yàn)證新方法的有效性，該研究在 GPT-3 上應(yīng)用 SELF-INSTRUCT 框架，最終產(chǎn)生大約 52k 條指令，82k 實(shí)例輸入和目標(biāo)輸出。研究者觀察到 GPT-3 在 SUPER-NATURALINSTRUCTIONS 數(shù)據(jù)集中的新任務(wù)上比原始模型獲得了 33.1% 的絕對改進(jìn)，與使用私人用戶數(shù)據(jù)和人工標(biāo)注訓(xùn)練的 InstructGPT_001 性能相當(dāng)。
為了進(jìn)一步評估，該研究為新任務(wù)整理了一組專家編寫的指令，并通過人工評估表明，使用 SELF-INSTRUCT 的 GPT-3 性能會大大優(yōu)于現(xiàn)有使用公共指令數(shù)據(jù)集的模型，并且僅比 InstructGPT_001 落后 5%。
SELF-INSTRUCT 提供了一種幾乎不需要人工標(biāo)注的方法，實(shí)現(xiàn)了預(yù)訓(xùn)練語言模型與指令對齊。已有多個工作在類似的方向上做出嘗試，都收獲了不錯的結(jié)果，可以看出這類方法對于解決大型語言模型人工標(biāo)注成本高的問題非常有效。這將讓 ChatGPT 等 LLM 變得更強(qiáng)，走得更遠(yuǎn)。
參考鏈接：
https://zhuanlan.zhihu.com/p/589533490
https://openai.com/blog/chatgpt/
