「教科書(shū)級(jí)」數(shù)據(jù)能有多大作用？微軟超強(qiáng)小模型引熱議

　　本文來(lái)自于微信公眾號(hào) 機(jī)器之心(ID:almosthuman2014)，作者:小舟。

　　隨著大模型掀起新一輪 AI 熱潮，人們開(kāi)始思考:大模型的強(qiáng)大能力來(lái)源于什么?

　　當(dāng)前，大模型一直在由不斷增加的「大數(shù)據(jù)」來(lái)推動(dòng)。「大模型 + 大數(shù)據(jù)」似乎已經(jīng)成為構(gòu)建模型的標(biāo)準(zhǔn)范式。但隨著模型規(guī)模和數(shù)據(jù)量的不斷增長(zhǎng)，算力的需求會(huì)迅速膨脹。一些研究者嘗試探索新思路。

　　6月，微軟發(fā)布了一篇題為《Textbooks Are All You Need》的論文，用規(guī)模僅為7B token 的「教科書(shū)質(zhì)量」數(shù)據(jù)訓(xùn)練了一個(gè)1.3B 參數(shù)的模型 ——phi-1。盡管在數(shù)據(jù)集和模型大小方面比競(jìng)品模型小幾個(gè)數(shù)量級(jí)，但 phi-1在 HumanEval 的 pass@1上達(dá)到了50.6% 的準(zhǔn)確率，在 MBPP 上達(dá)到了55.5%。

　　phi-1證明高質(zhì)量的「小數(shù)據(jù)」能夠讓模型具備良好的性能。最近，微軟又發(fā)表了論文《Textbooks Are All You Need II: phi-1.5technical report》，對(duì)高質(zhì)量「小數(shù)據(jù)」的潛力做了進(jìn)一步研究。

　　模型簡(jiǎn)介

　　架構(gòu)

　　研究團(tuán)隊(duì)使用 phi-1的研究方法，并將研究重點(diǎn)放在自然語(yǔ)言常識(shí)推理任務(wù)上，創(chuàng)建了擁有1.3B 參數(shù)的 Transformer 架構(gòu)語(yǔ)言模型 phi-1.5。phi-1.5的架構(gòu)與 phi-1完全相同，有24層，32個(gè)頭，每個(gè)頭的維度為64，并使用旋轉(zhuǎn)維度為32的旋轉(zhuǎn)嵌入，上下文長(zhǎng)度為2048。

　　此外，該研究還使用 flash-attention 進(jìn)行訓(xùn)練加速，并使用 codegen-mono 的 tokenizer。

　　訓(xùn)練數(shù)據(jù)

　　phi-1.5的訓(xùn)練數(shù)據(jù)是由 phi-1的訓(xùn)練數(shù)據(jù)(7B token)和新創(chuàng)建的「教科書(shū)質(zhì)量」數(shù)據(jù)(大約20B token)組成的。其中，新創(chuàng)建的「教科書(shū)質(zhì)量」數(shù)據(jù)旨在讓模型掌握常識(shí)推理，研究團(tuán)隊(duì)精心挑選了20K 個(gè)主題來(lái)生成新數(shù)據(jù)。

　　值得注意的是，為了探討網(wǎng)絡(luò)數(shù)據(jù)(LLM 常用)的重要性，該研究還構(gòu)建了 phi-1.5-web-only 和 phi-1.5-web 兩個(gè)模型。

　　研究團(tuán)隊(duì)表示:創(chuàng)建強(qiáng)大且全面的數(shù)據(jù)集需要的不僅是原始計(jì)算能力，還需要復(fù)雜的迭代、有效的主題選擇，以及對(duì)知識(shí)的深入了解，具備這些要素，才能確保數(shù)據(jù)的質(zhì)量和多樣性。

　　實(shí)驗(yàn)結(jié)果

　　對(duì)于語(yǔ)言理解任務(wù)，該研究在多個(gè)數(shù)據(jù)集(包括 PIQA、Hellaswag、OpenbookQA、SQUAD 和 MMLU)上評(píng)估了一些模型。評(píng)估結(jié)果如下表3所示，phi-1.5的性能可以媲美5倍大的模型:

　　在常識(shí)推理基準(zhǔn)上的測(cè)試結(jié)果如下表所示:

　　在更復(fù)雜的推理任務(wù)(例如小學(xué)數(shù)學(xué)和基礎(chǔ)編碼任務(wù))上 phi-1.5還超越了大多數(shù) LLM:

　　研究團(tuán)隊(duì)認(rèn)為，phi-1.5再次證明了高質(zhì)量「小數(shù)據(jù)」的力量。

　　質(zhì)疑與討論

　　或許是因?yàn)椤复竽Ｐ?+ 大數(shù)據(jù)」的理念太深入人心，這項(xiàng)研究遭到了機(jī)器學(xué)習(xí)社區(qū)一些研究人員的質(zhì)疑，甚至有人懷疑 phi-1.5直接在測(cè)試基準(zhǔn)數(shù)據(jù)集上訓(xùn)練了。

　　網(wǎng)友 Susan Zhang 進(jìn)行了一系列驗(yàn)證，并指出:「phi-1.5能夠?qū)?GSM8K 數(shù)據(jù)集中的原問(wèn)題給出完全正確的回答，但只要稍微修改一下格式(例如換行)，phi-1.5就不會(huì)回答了�！�

　　還有修改問(wèn)題中的數(shù)據(jù)，phi-1.5在解答問(wèn)題的過(guò)程中就會(huì)出現(xiàn)「幻覺(jué)」。例如，在一個(gè)點(diǎn)餐問(wèn)題中，只修改了「披薩的價(jià)格」，phi-1.5的解答就出現(xiàn)了錯(cuò)誤。

　　并且，phi-1.5似乎「記住了」最終答案，即使在修改數(shù)據(jù)的情況下該答案已經(jīng)是錯(cuò)誤的。

　　對(duì)此，論文作者之一 Ronen Eldan 很快給出了回應(yīng)，針對(duì)上述網(wǎng)友測(cè)試出現(xiàn)的問(wèn)題給出解釋和反駁:

　　但該網(wǎng)友再次闡明其觀(guān)點(diǎn):測(cè)試說(shuō)明 phi-1.5的回答對(duì) prompt 的格式是非�！复嗳酢沟模�并對(duì)作者的回應(yīng)提出質(zhì)疑:

　　論文第一作者 Yuanzhi Li 回應(yīng)道:「由于沒(méi)有進(jìn)行任何指令微調(diào)和對(duì)齊工作，phi-1.5在穩(wěn)健性上的確不如 GPT-4。但『脆弱』并不是正確的術(shù)語(yǔ)，事實(shí)上，對(duì)于任何模型，pass@k 準(zhǔn)確率都會(huì)比 pass@1高得多(所以模型正確就是偶然的)�！�

　　看到這些質(zhì)疑與討論，網(wǎng)友們直呼:「最簡(jiǎn)單的回應(yīng)方式就是直接公開(kāi)合成數(shù)據(jù)集�！�

　　對(duì)此，你怎么看?