chain-of-hindsight

chain-of-hindsight

基于人类反馈优化语言模型的开源框架

Chain-of-Hindsight是一个开源项目,提供了基于Jax的语言模型训练框架。该方法通过人类反馈来优化模型性能,支持LLaMA和GPT-J等大型模型。项目包括数据准备、模型训练和评估的完整流程,其反馈处理机制有助于模型在对话和摘要等任务中提升表现。最新更新改进了大模型分片和数据并行处理,为自然语言处理研究提供了实用工具。

Chain of Hindsight语言模型反馈对齐模型训练评估Github开源项目

通过回溯链条使语言模型与反馈保持一致

Hao Liu, Carmelo Sferrazza, Pieter Abbeel

论文:https://arxiv.org/abs/2302.02676

这是通过回溯链条使语言模型与反馈保持一致中提出的回溯链条(Chain-of-Hindsight,CoH)思想的Jax实现。

2023年6月14日更新

  • 改进了大型模型的分片
  • 增加了完全分片数据并行(FSDP)支持
  • 增加了对LLaMA模型的支持,弃用了对OPT模型的支持

2023年3月29日更新

  • 增加了对反馈数据的更好支持
  • 预先生成训练用的反馈数据,以简化数据流程
  • 简化了数据模板,保持类似的性能
  • 增加了对GPT-J和OPT模型的更好支持(包括预训练和微调)

安装

GPU主机和Cloud TPU主机的安装方法不同。请按照以下说明进行操作。

git clone https://github.com/lhao499/chain-of-hindsight.git chain-of-hindsight cd chain-of-hindsight export PYTHONPATH="${PWD}:$PYTHONPATH"

要安装GPU依赖项,请运行:

conda env create -f gpu_requirement.yml

要安装TPU依赖项,请在每个TPU主机上运行以下命令:

sh tpu_requirement.sh

tpu_util.sh是一个用于启动TPU VM并安装依赖项的有用脚本。它还用于停止TPU VM和删除TPU VM实例。

使用方法

准备数据

准备用于训练的反馈数据。数据应该是jsonl格式的文件。 脚本pack_hf.py可用于生成训练数据。它接收原始反馈数据并生成回溯链条数据。 以下是生成GPT-J训练数据的示例:

python -m coh.data.pack_hf \ --output_dir='./' \ --dataset='dialogue,webgpt,summary' \ --include_feedback='p,n,pn,np'

其中include_feedback是要包含在训练数据中的反馈类型。默认包含所有反馈类型。您也可以通过设置include_feedback='p'include_feedback='n'来仅包含正面反馈或负面反馈。 您还可以通过设置include_feedback='p,n,pn,np,aux'来包含辅助反馈类型,这将生成一个更大的数据集,包含更多样化的反馈。

对于将反馈作为输入条件但不预测输出序列的CoH变体, 脚本pack_hf.py可用于生成训练数据。它接收原始反馈数据并生成回溯链条数据。

python -m coh.data.pack_hf \ --output_dir='./' \ --dataset='dialogue,webgpt,summary' \ --include_feedback='p,n'

在这里我们指定include_feedback='p,n'只包含正面和负面反馈,而不交错反馈。 训练过程与CoH训练相同。

生成的数据将被保存,运行训练脚本时需要指定数据路径。

PyTorch用户注意事项

对于有兴趣使用PyTorch训练代码(如FastChat)的用户,请查看coh/data/pack_hf.py,它将人类反馈数据转换为JSONL格式,适合集成到其他代码库中。 有关数据处理的更多详细信息,请参阅coh/data/doc.md

运行CoH训练

如果使用LLaMA,第一步是准备LLaMA Jax预训练权重。您可以下载官方LLaMA权重并按以下方式将官方LLaMA检查点转换为Jax权重:

python3 -m coh.scripts.convert_checkpoint.py \ --checkpoint_dir='path/to/pytorch/checkpoint' \ --output_dir='path/to/output/checkpoint' \ --streaming=True

然后,运行训练脚本:

python3 -m coh.coh_train_llama \ --load_llama_config='3b' \ --load_checkpoint='' \ # 如果要微调,这里填写预训练检查点的路径 --tokenizer.vocab_file='path/to/tokenizer.model' \ --hf_train_dataset.type='feedback' \ --hf_train_dataset.text_processor.fields_from_example='fields' \ --hf_train_dataset.hf_dataset.path='/home/hao/research/coh/local/train.jsonl' \ # 训练用人工反馈数据的路径 --hf_train_dataset.hf_dataset.seq_length=4 \ --hf_train_dataset.hf_dataset.batch_size=2 \ --pt_train_dataset.type='pretrain' \ --pt_train_dataset.text_processor.fields='text' \ --pt_train_dataset.pt_dataset.path='c4' \ --pt_train_dataset.pt_dataset.split='train' \ --pt_train_dataset.pt_dataset.streaming=False \ # 设为True时,数据集将从huggingface流式传输而不下载整个数据集。这在数据集较大时很有用,但不建议用于大规模训练,因为它偶尔会出问题。 --pt_train_dataset.pt_dataset.seq_length=4 \ --pt_train_dataset.pt_dataset.batch_size=2 \ --hf_eval_dataset.type='feedback' \ --hf_eval_dataset.text_processor.fields_from_example='fields' \ --hf_eval_dataset.hf_dataset.path='/home/hao/research/coh/local/test.jsonl' \ # 评估用人工反馈数据的路径 --hf_eval_dataset.hf_dataset.seq_length=4 \ --hf_eval_dataset.hf_dataset.batch_size=2 \ --pt_eval_dataset.type='pretrain' \ --pt_eval_dataset.text_processor.fields='text' \ --pt_eval_dataset.pt_dataset.path='c4' \ --pt_eval_dataset.pt_dataset.split='validation' \ --pt_eval_dataset.pt_dataset.seq_length=4 \ --pt_eval_dataset.pt_dataset.batch_size=2 \ --log_all_worker=False \ --logger.online=False \ --logger.project_id="" \ --logger.experiment_id="" \ --logger.experiment_note="" \ --logger.output_dir="/home/hao/experiment_output/coh_output" \ --logger.wandb_dir="/home/hao/experiment_output/coh_output"

记得将hf_train_dataset.hf_dataset.pathhf_eval_dataset.hf_dataset.path更改为你自己的路径。 请根据你的GPU内存调整seq_length和batch_size。默认设置使用1024序列长度和256批量大小。

如果使用GPT-J,运行训练的命令类似,但有以下变化:

python3 -m coh.coh_train_gptj \ --load_gptj_config='huggingface::EleutherAI/gpt-j-6b' \

根据我们的实验,LLaMA在最终性能方面表现优于GPT-J。

运行SFT训练

标准SFT可以通过过滤反馈数据,然后在过滤后的正面数据上训练模型来完成。这个代码库目前还不支持这种方式,但很快就会添加。这里我们提供一个基于CoH的SFT变体。除了只在正面数据上训练的标准SFT外,它还将正面反馈作为输入考虑在内。

脚本pack_hf.py可用于生成训练数据。它接收原始反馈数据并生成事后连锁数据。

python -m coh.data.pack_hf \ --output_dir='./' \ --dataset='dialogue,webgpt,summary' \ --include_feedback='p'

这里我们指定include_feedback='p'只包含正面反馈。

训练过程与CoH训练相同。

运行定性和定量评估

你可以通过运行模型的服务器来手动检查微调模型的质量: 例如,要为GPT-J模型提供服务,运行:

python -m coh.coh_serve_llama \ --load_llama_config='你的检查点路径' \ --load_checkpoint='你的检查点路径' \ --mp_mesh_dim=-1 \ --dtype='bf16' \ --input_length=1024 \ --seq_length=2048 \ --do_sample=True \ --temperature=1.0 \ --lm_server.port=5007 \ --lm_server.pre_compile='all' \ --lm_server.chat_prepend_text='' \ --lm_server.chat_lm_prefix='一个有帮助的回答:' \ --lm_server.chat_lm_suffix='</s>' \ --lm_server.chat_user_prefix='用户:' \ --lm_server.chat_user_suffix=' '

聊天界面将在127.0.0.1:5007上提供服务,你可以通过输入提示与模型交互。

这个聊天界面也可以用于对话等的初步人工评估。你也可以使用相同的界面来评估其他模型。

同样,要为GPT-J模型提供服务,运行:

python -m coh.coh_serve_gptj \ --load_gptj_config='你的检查点路径' \ --load_checkpoint='你的检查点路径' \

同样,一旦你准备好了服务器,你可以运行评估脚本:

python -m coh.scripts.lm_eval_harness \ --lm_server_url='http://localhost:5007/' \ --tasks='wsc,winogrande' \ --shots=0

完整的任务列表可以在lm-eval-harness中找到。

PyTorch用户注意事项

或者,你也可以使用coh/scripts/convert_checkpoint.py将模型转换为huggingface模型,然后使用huggingface生态系统中的聊天界面或评估代码运行模型。

人工评估 本代码库不支持此功能,请参阅论文(实验设置和附录)以获取有关设置人工评估的更多详细信息。 请注意使用成对比较,这比同时对多种方法进行评分更可靠。

参考文献

如果您认为我们的工作与您的研究相关,请引用:

@article{liu2023languages, title={Chain of Hindsight aligns Language Models with Feedback}, author={Liu, Hao and Sferrazza, Carmelo and Abbeel, Pieter}, journal={arXiv preprint arXiv:2302.02676}, year={2023} }

编辑推荐精选

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

聊天机器人AI助手热门AI工具AI对话
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多