文献阅读：Training language models to follow instructions with human feedback

• 文献阅读：Training language models to follow instructions with human feedback
  • 1. 文献工作简介
  • 2. 模型优化设计
  • 3. 实验结果
  • 4. 总结 & 思考

• 文献链接：https://arxiv.org/abs/2203.02155

1. 文献工作简介

这篇文章是OpenAI在上年提出的一篇对于GPT3的改进文章，提出了InstructGPT。

其主体的思路应该是借鉴了Google的Flan。Google的Flan这个工作中提出，使用标注数据对预训练模型进行Finetune，即使对于标注数据没有涉及的新的领域任务，模型的效果也是可以提升的，也就是说，对于大模型而言，使用标注数据进行finetune可以进一步提升模型的泛化性。

另外，在InstructGPT当中，除了引入了标注数据进行finetune之外，文中还加入了强化学习的方式，使用人工数据来对模型进行了进一步的优化。

而关于模型的实际效果，除了文中给出的这些结果之外，另外一个相关的工作大概会更为广为人知，即ChatGPT。

这个牛逼的模型基本就是按照InstructGPT的方式进行训练然后放出端口的，其效果就无需赘述了，委实是有点牛逼了。

2. 模型优化设计

下面，我们来看一下文中具体给出的模型优化方案。

如前所述，InstructGPT模型的主要优化点包括了以下一些内容：

1. 加入了多种任务的标注数据进行了finetune；
2. 在Prompt的基础上加入了Instruct部分，进一步固化生成方向；
3. 使用人工交互数据进行了强化学习；

整体的训练步骤如下图所示：

可以看到，整体上模型训练可以分为三部分：

1. 使用监督数据进行finetune；
2. 使用人类行为数据进行RM模型训练；
3. 使用2中的RM模型对莫i选哪个进行强化学习优化；

而关于模型训练使用的数据，具体如下：

其中，表1是不同类型的数据分布，表2是使用的prompt样例。

3. 实验结果

下面，我们来看一下文中给出的实验结果。

首先，我们来看一下整体的人工评测效果如下：

可以看到：

• Prompt、Finetune以及RL对于模型均表达为正向的效果。

然后，我们来看一下模型在公开数据集上的效果表达：

文中同样对不同的Prompt的效果进行了考察，得到结果如下：

最后，文中给出了一些具体的case对比如下：

可以看到：

• 整体来看，InstructGPT对于具体任务的返回的返回结果表达上是是全面优于GPT3的。

4. 总结 & 思考

整体上来说，InstructGPT较之原版的GPT3在生成任务的指向性上更加明确，生成结果的正确性也更高，但即便如此，碍于GPT模型LLM的本质，它依然无法避免的可能会生成错误的结果，这方面很难彻底规避。

但即便如此，InstructGPT，或者说ChatGPT的效果确实毋庸置疑的，毕竟都让Google感觉惊慌了，我司也打算大规模加入到Edge以及Office软件当中，未来LLM的前景基本是没啥好质疑的了，虽然现阶段的LLM到底能否经得起使用，这方面我倒是暂时呈观望态度，虽然有点唱反调，但是毕竟做过生成任务，这方面对于LLM结果的可靠度实在是没有那么自信……

Anyway，让子弹再飞一会吧……