ChatGPT的SFT+RLHF都不是必要的？？？
要搞大模型AI助手，像ChatGPT一樣對齊微調已經是行業標準做法，通常分爲SFT+RLHF兩步走。
來自艾倫研究所的新研究卻發現，
這兩步都不是必要的？？？
新論文指出，預訓練完成剛出爐的
基礎模型已經掌握了遵循指令的能力
，
只需要提示工程就能引導出來
，引起開發社區強烈關注。
因爲RLHF的成本非常高訓練還不穩定，這樣可就省了大錢了。
研究據此提出一種新的
免微調對齊法URIAL
。
論文中把新方法形容爲
“解鎖基礎模型潛力的咒語”
，能夠節省大量算力資源和時間。
更值得關注的是，不掌握穩定RLHF（人類強化學習）能力的小型團隊，也能低成本開發出可以聊天對話、遵循指令的對齊模型了。
目前URIAL代碼和新評估基準Just-Eval-Instruct
已開源
，剛剛上傳不久。
研究來自艾倫研究所和華盛頓大學
崔Yejin
團隊，過去曾提出Top_p採樣，在如今大模型API調用中是常用參數。
一作研究員
林禹辰
是上交大校友。
打破SFT+RLHF神話
最早讓人們開始質疑對齊微調的，是一項Meta等在5月份一項研究
五
。
LIMA指出只需要1000個樣本做SFT（監督微調），就可以匹配ChatGPT的性能。
論文中LIMA團隊還探討了
“表面對齊假設”（
表面一致性假設):
模型的知識和能力幾乎都是在預訓練階段學到的，對齊則是教會模型在與用戶互動時應使用哪些特定格式的子集。
換句話說，對齊階段只是調整模型的語言風格，沒有增強模型的能力。
從表面對齊假設出發，URIAL團隊做了充分的實驗，對比基礎模型和對齊模型之間的
token分佈偏移
(TDS，代幣分佈移位)。
實驗選用3組基礎模型與對齊模型做對比，結果表明：
- 對齊僅影響一小部分token
。基礎模型和對齊模型在大多數位置的解碼中表現相同，共享排名靠前的一組token。 - 對齊主要涉及文風相關的token
，如話語標誌（discourse markers，“首先、其次、總之、然而……”這些）、過渡詞和安全免責聲明，只佔5-8%。 - 對齊對較早出現的token
更重要
（生成內容的開頭），在後續位置對齊模型排名最高的token，基本位於基本模型排top-5的token之內。 - 基礎模型已經獲得了足夠的知識來遵循指令
，給定合適的上下文作爲前綴時，它們的行爲與對齊模型非常相似。
接下來的問題就是，不用SFT和RLHF的情況下，如何把一個基礎模型變成能多輪對話、遵循指令的AI助手？
免微調對齊法URIAL
團隊的免微調對齊法URIAL（Untuned LLMs with Restyled In-context ALignment），純粹利用基礎模型的上下文學習能力實現有效對齊，只需三個風格示例和一個系統提示。
在實驗中，團隊使用URIAL方法對齊7B、70B的Llama2以及Mistral-7B大模型。
結果表明
當基礎模型很強時，URIAL的表現甚至優於SFT和RLHF
。
團隊認爲URIAL方法的主要貢獻有：
- 實施起來非常簡單，並且可完美重現，從而有助於未來新的免微調和微調對齊方法的開發和評估。
- 可輕鬆對齊大尺寸模型（如Llama2-70b甚至Falcon-180b），節省大量算力和時間。
- 可用於在預訓練過程中頻繁評估基礎模型，監控基礎模型的質量。
- 可用於公平比較不同基礎模型之間的對齊潛力。過去不同模型的微調過程可能差異很大（例如數據、訓練方法、超參數等），不能直接反映基礎模型的質量。
- 還可用於探索大模型對齊的科學，例如分析基礎模型在預訓練期間已經獲得的知識和技能，識別缺失的內容，而不是盲目地利用大量數據進行微調，從而產生不必要的計算成本。
實驗也探索了URIAL中示例的不同數量，如果提高到8個，一些指標中有明顯提升，但一些指標中也有下降，
最終作者推薦用3個比較平衡
。
對於
改用不同的示例也比較穩健
。
如果把之前對話作爲示例的一部分，URIAL也可以讓基礎模型
獲得多輪對話的能力
。
還有一件事
論文中實驗的Llama-2和Mistral，其實總體來說都屬於羊駝家族。
URIAL免微調對齊法是否用於羊駝架構之外的大模型？
由於不是羊駝的開源大模型不好找，我們試了試剛剛發佈的Transformer挑戰者，Mamba架構基礎模型。
Mamba是一種狀態空間模型，別說不是羊駝了，連Transformer都不是。
使用論文附錄提供的一份URIAL標準提示詞，簡單測試發現同樣適用。
使用URIAL詢問
“你能用6歲小朋友也能聽懂的方式解釋什麼是狀態空間模型嗎？”
。
Mamba將數學定義的狀態比喻成了車在路上的位置，比較簡單易懂，甚至給出markdown格式的圖片鏈接，試圖圖文並茂回答問題。
如果不使用URIAL直接輸入這個問題，Mamba的表現就是基礎模型那樣補全下文而不是回答問題了，解釋的內容也是車軲轆話來回說。
論文：
https://allenai.github.io/re-align/
參考鏈接：
[1]https://twitter.com/IntuitMachine/status/1732089266883141856
[2]https://arxiv.org/abs/2305.11206
