昨天Meta AI+CMU這篇文章一出，twitter都炸了！

LIMA，只使用1000個精心挑選的樣本微調(diào)一個 65B LLaMa，無需RLHF，性能媲美甚至優(yōu)于GPT-4！

論文：LIMA: Less Is More for Alignment
地址：https://arxiv.org/pdf/2305.11206.pdf

天下人苦“對齊”久矣！要讓預訓練語言模型的響應和特定任務(wù)和用戶偏好對齊，動輒需要百萬示例數(shù)據(jù)集上的instruction tuning、以及最近從人類反饋中進行的強化學習，才能實現(xiàn)ChatGPT級別的性能。

這篇文章旨在用簡單的方法解決復雜的對齊問題，作者提出表面對齊假說(Superficial Alignment Hypothesis)，將對齊視為一個簡單的過程：學習與用戶交互的樣式或格式，來展示預訓練期間就已經(jīng)獲得的知識和能力！

結(jié)果發(fā)現(xiàn)，少量高質(zhì)量樣例上的簡單微調(diào)就足以與當今最先進的技術(shù)競爭！這也證明預訓練過程的強大威力和重要性，遠勝于大規(guī)模instruction tuning和強化學習！

實驗設(shè)置

數(shù)據(jù)集來源：這1000個近似真實用戶提示和高質(zhì)量響應的示例中，有750個來自Stack Exchange和wikiHow這樣的社區(qū)論壇，其余250個則是手動編寫。

微調(diào)的超參數(shù)：使用AdamW進行微調(diào)，其中，權(quán)重衰減為0.1。沒有熱身步驟，初始學習率設(shè)置為，并線性地降至訓練結(jié)束時的。批量大小設(shè)為32個示例（更小的模型為64個），長度大于2048 token的文本將被裁剪。與以往的顯著不同是在殘差連接上應用dropout，從底層的 開始，線性升高到最后一層的 （更小的模型為 ）。

基準模型

實驗將 LIMA 與五個基準模型進行比較：

(1)Alpaca 65B：將 LLaMa 65B 在 Alpaca 訓練集中的 52,000 個樣例上進行微調(diào)；(2) OpenAI 的DaVinci003，經(jīng)過 RLHF 訓練的大語言模型；(3) 基于 PaLM 的 谷歌Bard；(4) Anthropic 的Claude， 52B 參數(shù)，經(jīng)過從 AI 反饋進行強化學習 (Constitutional AI) 訓練；(5) OpenAI 的GPT-4，經(jīng)過 RLHF 訓練，目前認為最先進的大語言模型。

結(jié)果

根據(jù)人類偏好的實驗結(jié)果，LIMA 的表現(xiàn)比 Alpaca 65B 和 DaVinci003 都要更好！盡管Alpaca 65B 的訓練數(shù)據(jù)量比 LIMA 高52倍，而DaVinci003 采用了 RLHF，一種被認為是更優(yōu)秀的對齊方法。

Bard 情況要好，在 42% 的時間產(chǎn)生了比 LIMA 更好的響應；然而，這也意味著至少58%的時間， LIMA 的表現(xiàn)和 Bard 相當。

最后，雖然 Claude 和 GPT-4 通常比 LIMA 的表現(xiàn)更加出色，但很多情況下，LIMA 確實能產(chǎn)生更好的響應。有些諷刺的是，即使是 GPT-4 也有19% 的時間會認為 LIMA 的輸出更好。

我們來欣賞下LLaMa的出色表演。藍色文本為prompt，左邊是與訓練集中示例相關(guān)的提示，中間是訓練集中不存在的提示，右邊則是挑戰(zhàn)模型拒絕不安全行為。

數(shù)據(jù)質(zhì)量和多樣性更重要

為了證明LIMA （Less Is More for Alignment）這個少勝于多的觀點，作者通過消融實驗研究了訓練數(shù)據(jù)的多樣性、質(zhì)量和數(shù)量對模型的影響。

結(jié)果發(fā)現(xiàn)，數(shù)據(jù)質(zhì)量對生成質(zhì)量存在顯著影響，使用篩選過的數(shù)據(jù)集訓練的模型與使用未經(jīng)過濾的數(shù)據(jù)源訓練的模型之間存在0.5分差異。但是，令人驚訝的是，示例數(shù)量的加倍并不能改善響應的質(zhì)量。這表明對齊的 scaling laws 不僅僅取決于數(shù)量，而在于保證質(zhì)量的同時提高提示的多樣性。

多輪對話

不過，一個僅在1,000個單輪對話上進行微調(diào)的模型能否從事多輪對話（Multi-Turn Dialogue）呢？

在零樣本上，LIMA的響應出奇地連貫，并引用了前面對話的信息。但很明顯，這個模型正在超出分布范圍；在10次交流中有6次，LIMA在3個互動之內(nèi)未能遵循提示。

為了提高對話能力，作者收集了30個多輪對話鏈。使用組合的1,030個示例對預訓練的LLaMa模型進行微調(diào)，得到一個新版本的LIMA，并針對相同的提示進行了10次實時對話。發(fā)現(xiàn)加入這30個示例后生成質(zhì)量顯著提升，優(yōu)質(zhì)響應比例從45.2％提高到76.1％！

30個樣本的有限監(jiān)督就能調(diào)用模型的多輪對話能力，這也支持了作者提出的表面對齊假說，即：這些能力是在預訓練期間學習的。

總結(jié)

作者在discussion部分指出了該方法的一系列問題：比如構(gòu)建數(shù)據(jù)集示例需要巨大的腦力投入、難以擴展，不如產(chǎn)品級別的模型穩(wěn)健等~

話雖如此，這篇研究證明了簡單方法就有解決復雜對齊問題的潛力。幾乎所有大語言模型中的知識都是在預訓練期間學習的，教導模型產(chǎn)生高質(zhì)量輸出只需少量但精心的instructional tuning.

簡單才是王道！

審核編輯 ：李倩