狂追 ChatGPT：开源社区的“平替”热潮
目前，不少优质的类 ChatGPT 模型都只能通过 API 接入，而一些开源 LLM 的效果与 ChatGPT 相比差距不小。不过，近期开源社区开始密集发力了。
其中，Meta 的 LLaMA 模型泄漏是开源“ChatGPT”运动的代表性事件。基于 LLaMA 模型，开源社区近期接连发布了 ChatLLaMa、Alpaca、Vicuna、Koala 等模型，效果直追 GPT-3.5，它也因此成为了开源 LLM 领域的创新地。
4月12日，Databricks完全开源了12B参数的指令跟随LLMDolly 2.0，包括训练代码、数据集（15000 个 prompt/response pairs）和模型权重，这些都可以随意商用。Dolly 2.0 基于 EleutherAI pythia 模型系列而开发。同一天，为了以更低成本、更快速度训练类 ChatGPT 模型，微软发布了 DeepSpeed-Chat。
来自开源社区的“ChatGPT 平替”浪潮正在爆发，LLM 的生态构建将迎来新变革。
作者 | Toooold
OneFlow 编译
翻译 | 贾川
当今，开源社区一直在寻求一种独立于 OpenAI 和 ChatGPT 的方法，正如早期的飞行器想要摆脱重力一样。
今年三月初，斯坦福大学 AI 研究所（Stanford HAI）分享了一种成功方法“Alpaca: A Strong, Replicable Instruction-Following Model（https://github.com/tatsu-lab/stanford_alpaca）”，证明指令调优是一种有前途的方法。于是，这场 ChatGPT“平替”的竞争开始了！
（本文在遵循 CC BY-NC-SA 4.0 协议的基础上由 OneFlow 编译发布，译文转载请联系 OneFlow 获得授权。原文：https://toooold.com/2023/04/08/magnificient_underdogs.html?continueFlag=91058ca99dd78323ff38cb1f8e6b2d7c）
1
再思考大型语言模型之“大”
LLM 指的是“大型语言模型”，通常认为只有足够大的模型才能达到 GPT 的性能水平。然而，斯坦福的 Alpaca 提出了一条重要信息：只需对较小模型进行有限的指令调优，同样也能在重要任务中表现良好。这可以分成两个方面来解释：较小的模型和重要任务。
在 Alpaca 对 Llama 的 7B 模型进行指令调优之前，人们普遍认为模型越大，性能才能达到 GPT 的水平，而且可能需要一个 175B 的模型才能够与 GPT-3 相媲美。Alpaca 利用 Llama 的预训练模型为基础，仅使用来自 GPT 模型的一个非常小的调优数据集（只有 52000 个样本），建立了一个具有对话功能的 LLM。这表明：在拥有良好的指令调优数据集的情况下，只要语言模型足够强大，就可以达到良好的性能，而不需要非常大的模型来匹配 GPT-3。
此外，Alpaca 和 Llama 还表明，LLM 并不需要在所有任务中表现得很好。例如，Alpaca 和 Llama 7B 在处理编程相关任务时表现不佳，但在对话和一般任务方面表现良好。指令调优提供的逐步方法是，添加更多知识到 Alpaca 模型中并利用其已学到的对话功能。例如，通过添加额外的 2 万个编程特定样本，可以让 codealpaca 在许多编程任务中表现良好。
另一方面，OpenAI 展示了其超大型模型的工程债，例如可用时间有限以及 ChatGPT Plus 客户每 3 小时只能进行 25 个查询等等。这些结果表明：较小的 LLM 可能是更好的选择。
事实上，现在 Llama 和 Alpaca 7B 已经能够运行在最便宜的设备上，如 Macbook Air、树莓派 4 和谷歌 Pixel 6 手机上，因此它们成为了 AI 时代的新“毁灭战士”。
它能运行 LLaMA 7B 吗？这会不会是“它能运行 Doom 吗”的新表述？——@ylecun
2
更多的 ChatGPT 开源“平替”加入这场角逐
Llama 和 Alpaca 率先开启了这场角逐，随后更多的 LLM 模型也加入了其中。它们带来了更多的数据，以改进 Alpaca；同时还有更快的调优方法或其他网络结构来代替 Llama。
Alpaca 需要更多的调优数据。来自“Guanaco: A Multilingual Instruction-Following Language Model Based on LLaMA 7B”（https://github.com/Guanaco-Model/Guanaco-Model.github.io）的 Guanaco 通过将 Alpaca 的指令用多种语言重新编写，并添加新的指令以对齐多种语言、理解内容等方式，引入了 530k 的多语言数据。像“Chinese-Vicuna: A Chinese Instruction-following LLaMA-based Model”（https://github.com/Facico/Chinese-Vicuna）和 Chinese-LLaMA-Alpaca（https://github.com/ymcui/Chinese-LLaMA-Alpaca）这样的语言特定模型也提供了优化。源自“Vicuna: An Open-Source Chatbot Impressing GPT-4 with 90% ChatGPT Quality”（https://github.com/lm-sys/FastChat#vicuna-weights）的 Vicuna 则专注于改进 Alpaca 的聊天功能。
微软的低秩（Low Rank）采用方式“LoRA”对加速 tuning 起了很大作用。这个想法很好：它将权重“冻结（freezed）”，但“在 Transformer 架构的每个层中注入可训练的秩分解矩阵（rank decomposition matrices）”，使得调优速度可以提高 3 倍。LoRA 技术不仅对语言模型有用，它还有助于更快地调优文本到图像任务中的稳定扩散（stable diffusion）模型。（https://github.com/cloneofsimo/lora）
与此同时，Llama 在这个框架中并不是那么重要，可以被替换成其他模型。Meta 的 Llama 不允许对任何代码或权重进行商用。为更加独立，Lit-llama 编写了 Llama 推理代码，但它仍需要使用 Llama 权重。开源社区提供了一些选择，其中 GLM 和 RWKV 是最有前途的两个模型。
GLM（https://arxiv.org/abs/2103.10360）是一系列不同尺寸的模型。
它采用的方法与 Meta 的 Llama 不同，其 6B 模型具有聊天功能，可称为 ChatGLM。与此同时，RWKV 非常独特。它没有跟随像 GPT 中的堆叠式解码器 Transformer 结构，而是使用了类似 RNN 的递归网络，因此其上下文长度在理论上是无限的，而且其推理速度更快，内存成本更低。RWKV 可以达到 Transformer 模型的质量，其对话版本可作为 ChatRWKV 找到。
当然，我们也没有忘记上一代的 GPT 家族。Databricks 开源了他们使用 GPT-neox 网络结构和应用指令调优的 Dolly。结果也不错！
我们可以在 Language Model Evaluation Harness 框架（https://github.com/EleutherAI/lm-evaluation-harness）中比较 LLM 的性能，基准在这里 https://bellard.org/ts_server/。截至目前（2023 年 4 月上旬），这场角逐中 LLama 的表现最好。
3
更多社区支持
近年来，受 Alpaca 的启发，使用 self-instruct 进行精调变得愈发流行。借助框架，微调也变得更加容易。其中，xtuning 是一个易于使用且优秀的框架。最近，xtuning 宣布使用 Alpaca-Lora 进行 INT4 调优（使用 GPT-4 的知识进行调优也是一个不错的想法），进一步推动了数据采集的发展。GLM 团队还提出了更加高效的调优方法，如 P-tuning-v2。
社区还推崇脱离 GPU 的独立性。从 3 月初开始，像 llama.cpp 和 alpaca.cpp 这样的工作提供了工程优化，使得我们能够在 CPU 上运行量化模型。然而需要明白“天下没有免费的午餐”，量化可能会导致精度等方面的损失，因此需要参考上述 LLM 基准测试以了解更多细节。
值得一提的是，像 llama-index 和 LangChain 这样的下游工具支持将这些开源的 GPT 竞争对手作为替代后端。请参考这些工具的文档，了解使用自定义 LLM 的更多细节
（https://github.com/jerryjliu/llama_index/blob/main/docs/how_to/customization/custom_llms.md）。
4
Alpaca 是完美的方法吗？
Alpaca 引起了人们对比赛中这些 LLM 大模型的关注，但我们也必须承认它们存在一些缺点：法律问题、数据偏见、编码和数学问题。
Alpaca 使用 Llama 作为其源结构，但 Llama 不允许商用，且其权重未公开，除非通过申请。
alpaca_data.json 的 52000 条指令调优数据具有很好的多样性，但随后研究表明其存在质量问题，可在此处找到修复方法：https://github.com/gururise/AlpacaDataCleaned。
GPT-4 在数学和推理方面的能力已经更加强大，但 Alpaca 仍然无法获取足够的调优数据以执行此类任务。
5
总结
在 1910 年，一架比空气重的飞行器完成了从伦敦到巴黎的旅行，用时 25 小时 11 分钟。当时没有人能想到大约 50 年后人类会登上月球，这一壮举只有通过人类共同努力探索所有可能性才能实现。我相信 Alpaca 是 AIGC 时代最早的“飞行器”之一，我们很快就会有开源实现来超越 GPT 模型。
题图源：Midjourney
其他人都在看
欢迎 Star、试用 OneFlow 最新版本：https://github.com/Oneflow-Inc/oneflow/
版权声明: 本文为 InfoQ 作者【OneFlow】的原创文章。
原文链接:【http://xie.infoq.cn/article/e42092a447eb6e53af00bf29a】。文章转载请联系作者。
不至于成为世界上最快的深度学习框架。 2022-03-23 加入
★ OneFlow深度学习框架：github.com/Oneflow-Inc/oneflow ★ OF云平台：oneflow.cloud
评论