本文是LLM系列文章,针对《OPENCHAT: ADVANCING OPEN-SOURCE LANGUAGE MODELS WITH MIXED-QUALITY DATA》的翻译。
OPENCHAT:利用混合质量数据推进开源语言模型
- 摘要
- [1 引言](#1 引言)
- [2 前言](#2 前言)
- [3 OpenChat](#3 OpenChat)
- [4 实验](#4 实验)
- [5 分析](#5 分析)
- [6 相关工作](#6 相关工作)
- [7 结论与未来工作](#7 结论与未来工作)
摘要
如今,像LLaMA这样的开源大型语言模型已经出现。最近的发展结合了监督微调(SFT)和强化学习微调(RLFT),以使这些模型与人类目标保持一致。然而,SFT方法平等地对待具有混合质量的所有训练数据,而RLFT方法需要高质量的成对或基于排名的偏好数据。在这项研究中,我们提出了一个新的框架,名为OpenChat,用于推进具有混合质量数据的开源语言模型。具体来说,我们考虑一般的SFT训练数据,由少量专家数据和大量次优数据组成,没有任何偏好标签。我们提出了C(条件)-RLFT,它将不同的数据源视为粗粒度的奖励标签,并学习类条件策略来利用互补的数据质量信息。有趣的是,C-RLFT中的最优策略可以通过单阶段、无RL的监督学习轻松求解,这是轻量级的,避免了昂贵的人类偏好标记。通过在三个标准基准上进行广泛的实验,我们使用C-RLFT微调的openchat-13b在所有13b开源语言模型中实现了最高的平均性能。此外,我们使用AGIEval来验证模型的泛化性能,其中只有openchat-13b超过了基本模型。最后,我们进行了一系列分析,以阐明OpenChat的有效性和稳健性。我们的代码、数据和模型在https://github.com/imoneoi/openchat上可用.
1 引言
2 前言
3 OpenChat
4 实验
5 分析
6 相关工作
7 结论与未来工作
在本文中,我们介绍了OpenChat,这是一个以条件RLFT方法为特色的创新框架,专门用于改进具有混合质量数据的开源语言模型。我们的模型openchat-13b在所有13b开源语言模型中,在广泛的基准测试中提供了最高的平均性能,展示了显著的优势,如简单、无RL训练和最低的奖励质量要求。尽管取得了这些令人鼓舞的结果,但我们承认有进一步改进的潜在研究领域。首先,我们根据数据源对不同质量的假设可能过于简单,分配的粗粒度奖励可以进行更精细的调整,以反映每个数据点的实际质量。其次,虽然我们的模型主要侧重于增强指令跟随能力,但探索OpenChat在提高LLM推理能力方面的应用为未来的工作提供了一条很有前途的途径。