一行代碼提高大模型10%性能，開發(fā)者：免費午餐

　　本文來自于微信公眾號 量子位(ID:QbitAI)，作者:克雷西。

　　大模型微調(diào)有“免費的午餐”了，只要一行代碼就能讓性能提升至少10%。

　　在7B參數(shù)量的Llama2上甚至出現(xiàn)了性能翻倍的結(jié)果，Mistral也有四分之一的增長。

　　雖然這種方法用在監(jiān)督微調(diào)階段，但RLHF模型也能從中受益。

　　來自馬里蘭州大學(xué)、紐約大學(xué)等機構(gòu)的研究人員提出了名為NEFT(une)的微調(diào)方式。

　　這是一種新的正則化技術(shù)，可以用于提高微調(diào)監(jiān)督(SFT)模型的性能。

　　這種方法已經(jīng)被HuggingFace收錄進了TRL庫，只要import再加一行代碼就能調(diào)用。

　　NEFT不僅操作簡便，而且沒有顯著的成本增加，作者稱看起來是個“免費的午餐”。

　　有網(wǎng)友試著用這種方法微調(diào)了基于Guanaco(一種羊駝家族模型)的Mistral-7B，結(jié)果性能提升明顯。

　　那么，NEFTune是如何用一行代碼給一眾大模型“打雞血”的呢?向模型中加入噪聲

　　NEFTune的全稱是Noisy Embedding Fine Tuning，即“帶噪聲的嵌入式微調(diào)”。

　　開發(fā)者認為，過擬合現(xiàn)象是限制大模型性能的一大因素，因此采用在訓(xùn)練階段向嵌入層中加入噪聲的方式來避免過擬合的出現(xiàn)，從而提高性能。

　　具體而言，訓(xùn)練數(shù)據(jù)庫中的文本首先會被token化，并轉(zhuǎn)化為嵌入向量。

　　然后，系統(tǒng)會隨機生成一個噪聲向量，并用縮放器將噪聲調(diào)節(jié)成所設(shè)置的強度。

　　經(jīng)過縮放后的噪聲會加入到嵌入向量中，作為模型的輸入，然后開始訓(xùn)練。

　　每次迭代訓(xùn)練時，都會生成新的噪聲并加入到嵌入層中。 fromtorch.nnimportfunctionalasF

　　defNEFTune(model，noise_alpha=5)

　　defnoised_embed(orig_embed，noise_alpha):

　　defnew_func(x):

　　ifmodel.training:

　　embed_init=orig_embed(x)

　　dims=torch.tensor(embed_init.size(1)*embed_init.size(2))

　　mag_norm=noise_alpha/torch.sqrt(dims)

　　returnembed_init+torch.zeros_like(embed_init).uniform_(-mag_norm，mag_norm)

　　else:

　　returnorig_embed(x)

　　returnnew_func

　　model.base_model.model.model.embed_tokens.forward=noised_embed(model.base_model.model.model.embed_tokens，noise_alpha)

　　returnmodel

　　這段代碼中，NEFTune函數(shù)中的形參noise_alpha就是噪聲強度(系數(shù))，mag_norm則為實際過程中的噪聲范圍。

　　而NEFT只有在訓(xùn)練過程中才會向模型中加入噪聲，推理階段無此過程，代碼中的if語句起到的就是這個作用。

　　訓(xùn)練模式下，new_func函數(shù)的返回值即為加入噪聲后的嵌入層。

　　貼出這段代碼是為了講解需要，如果只是想調(diào)用NEFT，可以不必使用上面的完整代碼，直接從TRL庫中調(diào)用就可以了。

　　下面的代碼是微調(diào)OPT-350M模型的一個示例: fromdatasetsimportload_dataset

　　fromtrlimportSFTTrainer

　　dataset=load_dataset("imdb"，split="train")

　　trainer=SFTTrainer(

　　"facebook/opt-350m"，

　　train_dataset=dataset，

　　dataset_text_field="text"，

　　max_seq_length=512，

　　)

　　trainer.train()

　　而數(shù)據(jù)集方面，開發(fā)者一共使用了Alpaca、ShareGPT等四種不同數(shù)據(jù)集進行了微調(diào)。

　　作者介紹，選擇這些數(shù)據(jù)的原因包括它們比較著名、曾成為SOTA等等。

　　此外出于硬件性能考慮，實驗過程中所選擇的都是單輪對話數(shù)據(jù)集。

　　那么，用NEFT方法調(diào)校過后的大模型，表現(xiàn)到底怎么樣呢? 性能最高提升1倍

　　研究團隊主要測試了模型調(diào)校前后生成的文本質(zhì)量和對話能力。

　　其中文本質(zhì)量主要基于AplacaEval數(shù)據(jù)集，使用ChatGPT和GPT-4評估。

　　用作參照的模型是Text-Davinci-003，訓(xùn)練后的模型勝過TD3的比例即為評價指標。

　　為了節(jié)約資源，研究團隊先用ChatGPT判斷是自己來評價還是調(diào)用GPT-4，部分情況下還會人工評判。

　　結(jié)果在不同的訓(xùn)練數(shù)據(jù)集中，Llama2調(diào)整后都有至少10%的性能提升，在Alpaca數(shù)據(jù)集上更是直接翻倍。

　　推廣到OPT和Llama1，NEFT方法同樣可以帶來一定的性能提升。

　　而用于評估模型聊天能力的，則是OpenLLM Leadorboard中的任務(wù)。

　　結(jié)果發(fā)現(xiàn)，NEFT調(diào)整后模型的聊天能力同樣相比Evol-Instruct有進一步提升。

　　在成本沒有顯著增加的情況下，提高文本質(zhì)量和聊天能力，是否會導(dǎo)致其他能力的下降，作者對此也進行了評估。

　　結(jié)果顯示，NEFT方法在不同的數(shù)據(jù)集和模型上，對模型的其他能力均沒有顯著影響。

　　實驗過程中，作者還發(fā)現(xiàn)，模型生成的文本和并不是照搬訓(xùn)練數(shù)據(jù)，提示了模型具有一定泛化能力。

　　為了證實這一點，作者對模型損失進行了評估，結(jié)果發(fā)現(xiàn)測試數(shù)據(jù)集損失低于訓(xùn)練數(shù)據(jù)，證實了這一觀點。

　　此外作者發(fā)現(xiàn)，經(jīng)NEFT調(diào)整之后，模型生成的文本不僅質(zhì)量提高，長度也有所增加，而且增加的并非重復(fù)內(nèi)容。

　　為了確認文本質(zhì)量的提高是加入噪聲的作用而不是由文本長度的增加所導(dǎo)致，研究人員又進行了消融實驗。

　　結(jié)果顯示，只是強制模型生成更長的文本無法達到NEFT的效果。