一行代碼提高大模型10%性能，開發(fā)者：免費午餐
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Llama 2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(jī)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(jìn)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(rèn)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(jī)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。
from torch.nn import functional as F
def NEFTune(model, noise_alpha=5)
def noised_embed(orig_embed, noise_alpha):
def new_func(x):
if model.training:
embed_init = orig_embed(x)
dims = torch.tensor(embed_init.size(1) * embed_init.size(2))
mag_norm = noise_alpha/torch.sqrt(dims)
return embed_init + torch.zeros_like(embed_init).uniform_(-mag_norm, mag_norm)
else:
return orig_embed(x)
return new_func
model.base_model.model.model.embed_tokens.forward = noised_embed(model.base_model.model.model.embed_tokens, noise_alpha)
return model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：
from datasets import load_dataset
from trl import SFTTrainer
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(jìn)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(tuán)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(biāo)。
為了節(jié)約資源，研究團(tuán)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，Llama 2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Llama 1，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(jìn)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(jìn)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(jìn)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(rèn)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(jìn)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(dá)到NEFT的效果。
論文地址：https://arxiv.org/abs/2310.05914
