一口氣生成2萬字，大模型輸出也卷起來了！

清華&智譜AI最新研究，成功讓GLM-4、Llama-3.1輸出長度都暴增。

相同問題下，輸出結(jié)果直接從1800字增加到7800字，翻4倍。

要知道，目前大模型的生成長度普遍在2k以下。這對于內(nèi)容創(chuàng)作、問題回答等都存在影響，可能導(dǎo)致模型回答問題不全面、創(chuàng)造性降低等。

該研究由智譜AI創(chuàng)始人、清華大學(xué)教授李涓子和唐杰共同領(lǐng)銜。

論文及代碼都已放在GitHub上開源。

有網(wǎng)友已經(jīng)搶先體驗。LongWriter-llama3.1-8b可生成萬字長文《羅馬帝國衰落史》，在MacBook Pro 2018（32GB）上就能運行。

輸出內(nèi)容很準(zhǔn)確，可以得A++。

9B模型搞定萬字輸出

本項研究主要包括3方面工作。

• 分析文本生成長度限制因素
• 提出AgentWrite
• 擴展LLM輸出窗口大小

首先，研究人員構(gòu)建了一個測試工具LongWrite-Ruler。通過測試多個大模型，他們發(fā)現(xiàn)所有模型在生成超過2000字的文本時都遇到了困難。

進一步分析用戶和大模型的交互日志，研究人員發(fā)現(xiàn)只有超過1%的用戶請求明確提到要生成超過2000字的文本。

為此，他們改變了模型在監(jiān)督式微調(diào)（SFT）階段使用的數(shù)據(jù)集的最大輸出長度。

結(jié)果發(fā)現(xiàn)，模型的最大輸出長度與SFT數(shù)據(jù)集中的最大輸出長度呈顯著正相關(guān)。

所以得出結(jié)論，現(xiàn)有模型在輸出長度上受限主要是因為SFT數(shù)據(jù)集中缺少長輸出樣本。

即使模型在預(yù)訓(xùn)練階段見過更長的序列，但是SFT階段缺乏長文本樣本，還是會影響輸出長度。

為了克服這個限制，研究人員提出了AgentWrite。

這是一個基于Agent的pipline。

它允許將超長文本生成任務(wù)分解為多個子任務(wù)，每個子任務(wù)處理其中的一段。

具體流程是AgentWrite先根據(jù)用戶指令制定出一個詳細(xì)的寫作計劃，計劃包括每個段落的主要內(nèi)容點和目標(biāo)詞數(shù)。根據(jù)計劃，AgentWrite依次提示模型生成每個段落的內(nèi)容。

在AgentWrite基礎(chǔ)上，團隊利用GPT-4o生成了6000個長輸出SFT數(shù)據(jù)，輸出長度在2k到32k詞之間，構(gòu)成了數(shù)據(jù)集LongWriter-6k。并將這些數(shù)據(jù)添加到訓(xùn)練過程中。

為了驗證方法的有效性，團隊還提出了一個LongBench-Write。其中包含了多樣化的用戶寫作指令，輸出長度規(guī)格分別為0-500詞、500-2000詞、2000-4000詞以及4000詞以上。

評估結(jié)果顯示，使用AgentWrite后模型輸出長度明顯增加。

通過直接偏好優(yōu)化（DPO），GLM-4-9B在一眾模型中實現(xiàn)了最佳性能。

手速快的網(wǎng)友已經(jīng)搶先實測。

Reddit上一位網(wǎng)友讓LongWriter-llama3.1-8b生成羅馬帝國衰敗史，整體需要22分鐘（與硬件有關(guān)），平均每秒生成3.34個token。

生成內(nèi)容比較公式化，回答不同問題的結(jié)構(gòu)、節(jié)奏相似。

無論如何這是個好的開始，帶來的提升很明顯。

研究團隊也表示未來將進一步擴展模型的輸出長度和輸出質(zhì)量，同時也會開始研究如何在不犧牲生成質(zhì)量的情況下提高效率。