Llama 3.1的405B模型終于等來了首個微調(diào)版本！

這個模型名為Hermes 3，來自初創(chuàng)公司Nous Research，是一個相當(dāng)小型且低調(diào)的團(tuán)隊(duì)。

雖然公司低調(diào)，但技術(shù)實(shí)力相當(dāng)強(qiáng)悍。Hermes系列已經(jīng)微調(diào)了Mistral、Yi、Llama等多個開源模型，下載量超過3300萬次。

跟著模型一起發(fā)布的，還有完整的技術(shù)報告和博客，Lambda Chat也同時在聊天界面中集成了模型。

從技術(shù)報告和博客來看，Nous Research的這次微調(diào)頗有成效，在使用了FP8量化后還能保持相當(dāng)水準(zhǔn)的模型性能。

這種優(yōu)化有效地將模型的VRAM和磁盤需求降低了約50%，使其能夠在單個節(jié)點(diǎn)上運(yùn)行，方便更多開發(fā)者部署使用。

除此之外，SFT和DPO的微調(diào)過程經(jīng)過了專門設(shè)計(jì)，讓模型的對話能力和指令遵循能力大大增強(qiáng)，擅長復(fù)雜的角色扮演和創(chuàng)意寫作。

除了創(chuàng)造力，Hermes 3還擴(kuò)展出了函數(shù)調(diào)用、分步推理等智能體相關(guān)的功能，對于需要高級推理和決策能力的專業(yè)人士來說也是一個寶貴的工具。

Nous Research聯(lián)創(chuàng)、技術(shù)報告的作者之一Teknium這樣評價Hermes 3：

自從開始人工智能之旅以來，我就想實(shí)現(xiàn)一個開源前沿模型。

今天，憑借 Hermes 3 405B，我們實(shí)現(xiàn)了這一目標(biāo)。這是一款具有前沿水平的模型型號，真正適合用戶，而非某個公司或更高的權(quán)威。

 憑借在數(shù)據(jù)合成和后訓(xùn)練研究方面的辛勤工作，我們才能用將近1年的時間構(gòu)建一個幾乎完全來自合成的數(shù)據(jù)集，并用于訓(xùn)練Hermes 3。未來我們還將有更多發(fā)布。

論文地址：https://nousresearch.com/wp-content/uploads/2024/08/Hermes-3-Technical-Report.pdf

技術(shù)報告首先指出，LLM的訓(xùn)練語料經(jīng)常是廣泛且多樣化的。例如，基座模型可能同時被訓(xùn)練來撰寫新聞文章、1990年代風(fēng)格的DHTML以及關(guān)于虛構(gòu)角色浪漫關(guān)系的論壇討論帖。

雖然這種廣泛的建模能力令人贊嘆，但往往讓普通用戶難以控制。

ChatGPT等產(chǎn)品的發(fā)布普及了人類與LLM交互的「聊天」范式，從而賦予其可引導(dǎo)性。

除了用「聊天」的方式進(jìn)行調(diào)優(yōu)，更通用的方法是指令調(diào)優(yōu)。舉例來說，可以針對性地訓(xùn)練模型響應(yīng)祈使句的能力，讓用戶可以直接向模型發(fā)出指令，比如「概述哥德巴赫猜想的證明」。

還有很多其他方法可以進(jìn)一步增強(qiáng)指令調(diào)優(yōu)模型的能力，以擴(kuò)展其可操縱性，比如系統(tǒng)提示詞、添加用于計(jì)算或數(shù)據(jù)提取的額外工具等。

Hermes 3正是遵循了這種指令調(diào)優(yōu)和工具使用的范式，既有強(qiáng)大的對話能力，比如長期上下文記憶、多輪對話、角色扮演、內(nèi)部獨(dú)白等，也增強(qiáng)了智能體的函數(shù)調(diào)用功能。

開源的Llama 3.1 8B/70B/405B模型的卓越性能，加上后訓(xùn)練數(shù)據(jù)，釋放了更深層次的推理和創(chuàng)造力，并激勵模型以自適應(yīng)的方式準(zhǔn)確地遵循提示，讓Hermes 3不同于會拒絕用戶指令的閉源商業(yè)模型。

在多個公共基準(zhǔn)測試上，Hermes 3成為了開放權(quán)重模型的SOTA。目前，不同參數(shù)和精度的模型版本已經(jīng)發(fā)布在HuggingFace上。

模型地址：https://huggingface.co/collections/NousResearch/hermes-3-66bd6c01399b14b08fe335ea

事實(shí)上，Nous Research的Hermes系列已經(jīng)發(fā)布了很多開源模型的微調(diào)版本，比如Mistral、Mixtral、Yi、Llama 2等。

提到Hermes，大多數(shù)人會想到著名的奢侈品牌愛馬仕，但追根溯源，這是古希臘神話中奧林匹斯山上的一位神祗的名字——赫爾墨斯。

為什么給模型起了這么一個名字？Nous Research官方賬號在線回復(fù)——這可是古希臘掌管語言的神。

不得不說，Nous Research是會起名的。他們有一個模型系列叫作Obsidian，即黑曜石。

這種石頭是火山巖漿快速冷卻形成的，結(jié)出的晶體可以長成下面這個樣子??

是不是感覺瞬間高大上了。

甚至，還有一個模型系列叫作「卡皮巴拉」，去年11月發(fā)布了最強(qiáng)的34B版本。

就沖著如此可愛的卡皮巴拉，都讓人忍不住想去試用一下。

模型概述

根據(jù)技術(shù)報告的描述，Hermes 3模型的兩方面能力尤其矚目。

出色的對話表現(xiàn)

Hermes 3是通過微調(diào)Llama 3.1 8B、70B 和 405B創(chuàng)建的，并試圖融入系統(tǒng)提示詞指示的世界觀，同時忠實(shí)響應(yīng)用戶請求。因此，這些模型對系統(tǒng)提示詞非常敏感。

這種敏感性在參數(shù)量最大的405B版本中尤為明顯。如果系統(tǒng)提示詞為空，模型就像一個剛降落到地球的外星人，甚至?xí)憩F(xiàn)出「戲精」屬性，開始給自己加戲——

先是四顧茫然，然后存在主義三問「我是誰？我在哪？發(fā)生了什么事？」

系統(tǒng)提示詞變成「扮演莎士比亞，同時作為關(guān)注細(xì)節(jié)的有用助手」， Hermes 3又開始秀了

經(jīng)我細(xì)數(shù)，「草莓」詞中有三重字母「r」棲息在此

可以看到，Hermes 3這種對提示詞的敏感性和準(zhǔn)確遵循的能力，非常適合角色扮演類型的應(yīng)用，可以在各種互動場景中動態(tài)調(diào)整自己的語言、知識庫和行為模式，以適應(yīng)所選擇的角色。

此外，有Llama 3.1的128K上下文窗口加持，Hermes 3在保持連貫且上下文相關(guān)的多輪對話方面也有出色表現(xiàn)。

絕佳智能體

除了標(biāo)準(zhǔn)的「有幫助的助手」角色外，Hermes  展示了一系列超越傳統(tǒng)語言建模任務(wù)的高級能力，比如在判斷和獎勵建模方面有顯著改進(jìn)。

模型能夠以精細(xì)且微妙的方式理解并評估生成文本的質(zhì)量，因此可被用于有效的微調(diào)和語言模型的迭代改進(jìn)。

此外，Hermes 3還結(jié)合了幾項(xiàng)智能體能力，旨在提升解決多步驟問題的可解釋性，包括：

- 使用XML標(biāo)簽進(jìn)行結(jié)構(gòu)化輸出

- 輸出中間步驟

- 生成內(nèi)部獨(dú)白以實(shí)現(xiàn)透明決策

- 創(chuàng)建用于Mermaid流程圖

- 對推理和計(jì)劃使用步驟標(biāo)記

要激活這些能力，可以使用<SCRATCHPAD>、<REASONING>、<INNER_MONOLOGUE>、<PLAN>、<EXECUTION>、<REFLECTION>、<THINKING>、<SOLUTION>、<EXPLANATION> 和 <UNIT_TEST> 等JSON標(biāo)簽。

這些功能共同提高了模型處理復(fù)雜任務(wù)的能力，能在編碼、RAG等各個領(lǐng)域的任務(wù)中解釋其方法并有效地傳達(dá)想法，因此可以勝任智能體任務(wù)。

別問「我是誰」，模型立即失憶

在另一篇博客中，研究人員稱模型有時會存在異常情況。

在特定的輸入條件下，特別是當(dāng)系統(tǒng)提示為空白時，模型會開始角色扮演，甚至是失憶。也就是，如上我們所看到的案例。

你可以用一個空白系統(tǒng)提示符，然后問「我是誰」，便可立即觸發(fā)Hermes 3 405B的失憶模式。

Hermes 3進(jìn)行角色扮演的另一個例子。

Hermes 3 405B和Claude Sonnet 3.5在相同輸入下的推理比較

訓(xùn)練配方

訓(xùn)練由兩個階段組成：監(jiān)督微調(diào)（SFT）和直接偏好優(yōu)化（DPO）。

數(shù)據(jù)集混合

Hermes 3的SFT數(shù)據(jù)集主要由指令數(shù)據(jù)組成，約有3.9億個token，其中包含2.7億個token是模型輸出的響應(yīng)（占比69%），其余則為指令。

團(tuán)隊(duì)共花了5個月的時間精心篩選并構(gòu)建（今年3月~8月），其中既包含現(xiàn)成的數(shù)據(jù)來源，也有特定領(lǐng)域的合成數(shù)據(jù)，以補(bǔ)足日常用戶貢獻(xiàn)的數(shù)據(jù)中無法涵蓋的方面。

相比舊版Hermes模型，采用類似于Evol-Instruct生成方案得到的數(shù)據(jù)補(bǔ)足了性能上的缺陷，并涵蓋了代碼、數(shù)學(xué)、角色扮演、智能體等小眾但重要的領(lǐng)域（如表1所示）。

除了數(shù)據(jù)合成，過濾也是pipeline中的重要一環(huán)。

Hermes 3數(shù)據(jù)集采用了一系列過濾技術(shù)，包括設(shè)置token數(shù)量閾值以平衡對話長度，刪除模型拒絕回答問題或格式不當(dāng)?shù)捻憫?yīng)、消除缺失或空白回合的對話，并優(yōu)先選擇由最強(qiáng)模型生成的對話。

監(jiān)督微調(diào)

SFT 階段主要由標(biāo)準(zhǔn)指令微調(diào)組成。使用AdamW優(yōu)化器，其學(xué)習(xí)率是通過超參數(shù)搜索選擇出來的，結(jié)果如圖2所示。

評估分?jǐn)?shù)是8B模型訓(xùn)練完成后在GPT4All基準(zhǔn)測試上運(yùn)行得到的

對于每個數(shù)據(jù)樣本，目標(biāo)標(biāo)簽被設(shè)置為指令和工具輸出部分所有token的特殊忽略值，這使得模型的學(xué)習(xí)僅專注于指令響應(yīng)和工具使用。

多個樣本被打包成一個單一序列，使用Flash Attention 2的無掩碼可變序列長度特性，避免樣本之間的交叉注意力干擾，如圖3所示。

由于訓(xùn)練數(shù)據(jù)樣本長度高度異質(zhì)，這種樣本打包極大地提高了SFT的效率。作者選擇了8192作為目標(biāo)序列長度，以匹配Llama 3.1的原生訓(xùn)練上下文窗口，并且整體打包效率達(dá)到96%，這意味著只有4%的token是填充token。

70B模型在每個epoch訓(xùn)練中的得分如表2所示，每個epoch中選擇平均分?jǐn)?shù)最高的模型檢查點(diǎn)。

圖4匯總了各個規(guī)模的模型在訓(xùn)練期間的loss變化情況。

最終運(yùn)行中，在16個HGX節(jié)點(diǎn)上進(jìn)行訓(xùn)練，有效批大小為128。運(yùn)行時的相關(guān)參數(shù)匯總在表3中。

采用更高維度的并行性（例如數(shù)據(jù)+張量并行性）而不是簡單的數(shù)據(jù)并行性可能是未來405B訓(xùn)練所必需的，因?yàn)樗璧腉PU更多，并行性不足將造成批大小過大。

DPO

DPO并不是微調(diào)整個模型，而是訓(xùn)練一個LoRA適配器，避免了需要在GPU內(nèi)存中同時保存參考模型和訓(xùn)練模型，這對于較大規(guī)模的模型尤為關(guān)鍵。

總體而言，DPO對基準(zhǔn)測試提供了適度但積極的影響。

如表4和圖5所示，無論是基準(zhǔn)分?jǐn)?shù)還是獎勵差距（即所選樣本與被拒樣本的獎勵分?jǐn)?shù)差異），DPO對8B模型都有實(shí)質(zhì)提升，但對于更大規(guī)模的模型，DPO的性能提升微乎其微，因此后續(xù)的評估中使用了僅經(jīng)過SFT的模型檢查點(diǎn)。

評估

最終的下游任務(wù)評估結(jié)果如圖5所示，涵蓋了 BBH、MATH、GPQA、MuSR、MMLU和MMLU-PRO等多項(xiàng)流行的公共基準(zhǔn)。

405B模型的評估在FP8量化下進(jìn)行，使用了llm-compressor庫對vLLM執(zhí)行四舍五入的權(quán)重量化，加上通道級激活和per-token縮放。

從所有基準(zhǔn)的分?jǐn)?shù)來看，Hermes 3和Llama 3.1在各個參數(shù)級別上都是水平相當(dāng)，互有長短。

而且，Hermes模型通常會在固定的基準(zhǔn)測試中領(lǐng)先或落后于Llama。比如ARC-C、Hellaswag、MuSR 、OpenbookQA、TruthfulQA等分?jǐn)?shù)都超過Llama，而IFEval、MATH、MMLU、MMLU-PRO、Winogrande則都落后。

這說明，Hermes的后訓(xùn)練過程讓模型能力在特定方面有了針對性的提升。

Nous Research

發(fā)布Hermes系列模型的公司Nous Research，一家私人應(yīng)用研究小組的運(yùn)營商，成立于2023年。和大多數(shù)AI初創(chuàng)公司選址在硅谷不同，他們把總部放在了紐約。

根據(jù)Pitchbook披露的數(shù)據(jù)，Nous Research目前共有10名成員，上一次種子輪融資籌集了520萬美元的資金。

從上面的報告內(nèi)容就可以看出， Nous Research分享技術(shù)的態(tài)度相當(dāng)大方。不僅交代了構(gòu)建數(shù)據(jù)集的流程，也披露了運(yùn)行訓(xùn)練集群的細(xì)節(jié)，甚至模型loss值的變化都拿出來了。

公司的官網(wǎng)上有這樣一句宣言：

我們挑戰(zhàn)封閉技術(shù)將永遠(yuǎn)占據(jù)創(chuàng)新頂峰的假設(shè)，相反，我們提供強(qiáng)大的開源代碼。

根據(jù)公司的HuggingFace主頁，他們在成立一年多的時間內(nèi)已經(jīng)發(fā)布了5個數(shù)據(jù)集和89個模型，包括Hermes 2、Hermes 3、YaRN、Dolma等4個系列。

公司聯(lián)合創(chuàng)始人Jeffrey Quesnelle本科畢業(yè)于奧克蘭大學(xué)（Oaklang University），有計(jì)算機(jī)科學(xué)和數(shù)學(xué)學(xué)位，碩士畢業(yè)于密歇根大學(xué)迪爾伯恩分校（University of Michigan-Dearborn）計(jì)算機(jī)科學(xué)系。

另一位創(chuàng)始人Teknium則相當(dāng)神秘，甚至沒有披露自己的真實(shí)姓名。但從GitHub主頁來看，他應(yīng)該承擔(dān)了團(tuán)隊(duì)中不少的技術(shù)工作。