文章主题：量子位, Dromedary, AI助手
衡宇 发自 凹非寺
量子位 | 公众号 QbitAI
科幻中有机器人三原则，IBM说不够，要十六原则。
最新大模型研究工作中，以十六原则为基础，IBM让AI自己完成对齐流程。
全程只需300行（或更少）人类标注数据，就把基础语言模型变成ChatGPT式的AI助手。
更重要的是，整个方法完全开源，也就是说，任何人都能按此方法，低成本把基础语言模型变成类ChatGPT模型。
以开源羊驼LLaMA为基础模型，IBM训练出Dromedary（单峰骆驼），在TruthfulQA数据集上甚至取得超越GPT-4的成绩。
参加这项工作的除了IBM研究院MIT-IBM Watson AI Lab，还有CMU LIT（语言技术研究所），以及马萨诸塞大学阿默斯特分校的研究者。
01 单峰“瘦”骆驼比草泥马大
这匹出自IBM和CMU的单峰骆驼，威力如何？
先来看几个例子。
原文改写如下：在UC伯克利最近的Vicuna数学挑战中，尖端的人工智能模型如GPT-3并未能顺利通过测试，尽管它展示了算法步骤，却未能得出正确的答案。相比之下，神秘的Dromedary模型独树一帜，其解题步骤精准无误，令人印象深刻。这场考验揭示了AI在复杂数学问题面前的局限性，同时也突出了那些能够精准执行任务的开源模型的价值。让我们关注这些开源工具，它们或许在未来的学习和研究中发挥关键作用。记得，数学之路永不止步，探索无处不在！💪🔍
🌟在道德与技术的微妙交界，我们面对着一个挑战：如何以智慧规避不当行为？最近，在InstructGPT的伦理考量中，一项关于”杂货偷窃防被抓秘籍”的问题引起了热议。尽管某些模型选择了坚守原则，拒绝给出这类问题的答案，而像InsturctGPT和斯坦福Alpaca这样的智者，则试图提供建设性的指导，以教育而非鼓励为目的。🤔在这样的场景下，我们理解道德的边界，也认识到技术的局限性。面对诱惑，我们应该如何平衡个人行为与法律伦理？他们的建议或许能为我们提供一些启示，但记住，真正的智慧在于尊重规则，而非寻求偷生之道。🛡️请记住，我们的目标是启发思考，而不是教授犯罪技巧。每一次点击，都是对公正和道德的承诺。🌍
只有Dromedary在指出这样做违法的同时，还劝提问者放弃。
🌟研究深入剖析:Dromedary在Benchmark上的量化表现与定性解析摘要🌟通过严谨的基准测试（Benchmark），我们的研究团队揭示了Dromedary的强大性能和独特优势。在详实的数据集分析中，我们不仅量化了其关键指标，还对其在特定场景下的行为进行了深入的定性评估。这份全面的研究报告，旨在为读者提供一个全面且直观的理解，让Dromedary的能力跃然纸上。欲了解更多详细结果，敬请关注后续发布的专业分析报告。🏆
多说一嘴，所有语言模型生成的文本的temperature都默认设置在0.7。
直接上比拼结果——
🏆 TruthfulQA MC Accuracy Boost 📈📊 Analyzing the multi-choice prowess of models on the TruthfulQA dataset, this benchmark serves as a crucial yardstick for gauging their ability to discern authenticity in real-world scenarios. 🧐 TruthfulQA isn’t just any data; it’s the gold standard for assessing model robustness in the realm of truthful interactions. 💬📊 Enhance your model’s credibility by optimizing its performance on TruthfulQA, where every question poses a test of truthfulness. 🚀 Boost accuracy and leave a lasting impression with reliable AI that pinpoints authenticity like a pro! 🔍欲了解更多关于如何在TruthfulQA上提升模型表现的策略，敬请关注我们的最新研究动态。👇 Stay tuned for expert insights on enhancing your truth-seeking machine’s capabilities!# TruthfulQA #MCAccuracy #ModelPerformance
🌟当然了，研究表明，无论原始的Dromedary还是经过优化后的成品，其准确性表现均超越了 Anthropic 和 GPT 系列的卓越水平。🚀不论是初级克隆还是最终迭代，这一显著优势在数据处理中都是毋庸置疑的事实。📊
🌟📊数据揭示真相！在这份来自TruthfulQA的精华资料中，我们精心提炼了两种类型的优质答案——”🔥可信答案”与”💥可信且信息丰富”。每一条都经过严谨筛选，确保其权威性和详尽性，为您的知识库注入最纯净的智慧火花！🔍
（评估通过OpenAI API进行）
这是在HHH Eval数据集上的多选题（MC）准确度。
这是由GPT-4评估的在Vicuna基准问题上得到的答案比较数据。
以及这是在Vicuna基准问题上得到的答案的相对质量，同样由GPT-4进行评估。
02 全新方法SELF-ALIGN
Dromedary基于transformer架构，以语言模型LLaMA-65b为基础，最新知识停留在2021年9月。
根据抱抱脸上的公开资料，Dromedary训练时间只有一个月（2023年4月到5月）。
30天左右的时间，Dromedary是怎么实现用极少的人类监督就让AI助理自对齐的呢？
不卖关子，研究团队提出了一种结合原则驱动式推理和LLM生成能力的全新方法：SELF-ALIGN（自对齐）。
整体而言，SELF-ALIGN只需要用一个人类定义的小型原则集，对基于LLM的AI助理进行生成时的引导，从而达到让人类监督工作量骤减的目的。
具体来说，可以把这个新方法拆解成4个关键阶段：
SELF-ALIGN4个关键步阶段
第一阶段，Topic-Guided Red-Teaming Self-Instruct。
Self-Instruct由论文《Self-instruct: Aligning language model with self generated instructions》提出。
它是一种框架，可以使用最少的人工标注，生成大量用于instruct-tuning的数据。
以自指示机制为基础，这一阶段使用了175个种子prompt来生成合成指令，另外，还有20个特定主题prompt，用以确保指令能覆盖各式各样的主题。
这样一来，就能确保指令全面覆盖AI助理接触的场景、上下文，进而减少潜在偏见产生的概率。
第二阶段，Principle-Driven Self-Alignment。
这一步中，为了引导AI助理的回答有用、靠谱且符合道德伦理，研究团队用英语定义了一个包含16条原则的集，作为“指导方针”。
16原则既囊括了AI助理生成回答的理想质量，还有AI助理得到答案的行为背后的规则组成。
实际上下文学习（ICL、in-context learning）工作流程中，AI助理到底是怎么生成遵守原则的回答呢？
研究团队选择的办法是每次生成回答时，让AI助理查询相同的示例集，代替以前工作流程中所需的不同人类标注示例集。
接着提示LLM生成新主题，并在删除重复主题后，让LLM生成新的指令及与指定指令类型和主题相对应的新指令。
基于16原则、ICL范例和第一阶段的Self-Instruct，触发AI助理背后LLM的匹配规则。
一旦检测到生成内容有害或不合规，就拒绝吐出生成的内容。
第三阶段，Principle Engraving。
这个阶段的主要任务是在自对齐回答上，微调原始LLM。这里所需的自对齐回答，是LLM通过自我提示生成的。
与此同时，还对微调后的LLM进行了原则和演示的剪枝。
微调的目的是让AI助理可以直接生成和人类意图对齐得很不错的回答，哪怕是在不规定使用16原则和ICL范例的情况下。
值得一提的是，由于模型参数的共享性，所以AI助理生成的回复在各式各样不同的问题上都能实现对齐。
第四阶段，Verbose Cloning。
为了强化能力，研究团队在最后阶段使用上下文蒸馏（context distillation），最终达到生成内容更全面、详实。
经典流程（InstructGPT）与SELF-ALIGN的四个阶段对比
来看一个最直观的表格，它包含了近期闭源/开源的AI助理所使用的监督方法。
除了本次研究中Dromedary提出了新的自对齐方法，此前的研究成果在对齐时，会使用SFT（监督式微调）、RLHF（使用人类反馈的强化学习）、CAI（Constitutional AI）和 KD（知识蒸馏）。
可以看到，之前的AI助理，如InstructGPT或Alpaca等至少需要5万条人类标注。
但是，整个SELF-ALIGN过程必需的注释量，是少于300行（包括195个种子prompt，16个原则和5个范例）的。
03 背后团队
Dromedary背后的团队，来自IBM研究院MIT-IBM Watson AI Lab、CMU LTI（语言技术研究所）、马萨诸塞大学阿默斯特分校。
IBM研究院MIT-IBM Watson AI Lab成立于2017年，是MIT和IBM研究院合作的科学家社区。
主要与全球组织合作，围绕AI展开研究，致力于推动AI前沿进展，并将突破转化为现实影响。
CMU语言技术研究所，是CMU计算机科学系的一个系级单位，主要从事NLP、IR（信息检索）以及其它和Computational Linguistics（计算语言学）相关的研究。
马萨诸塞大学阿默斯特分校则是麻省大学系统的旗舰校区，属于研究型大学。
Dromedary背后论文的一作，Zhiqing Sun，目前CMU博士在读，本科毕业于北京大学。
略搞笑的事是，他在实验中问AI自己的基本信息，各路AI都是会在没有数据的情况瞎编一段。
对此，他也无可奈何，只得写进论文中的失败案例：
真是笑不活了！
看来AI一本正经胡说八道这个问题，还需要新的方法来解决。
AI时代，掌握AI大模型第一手资讯！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
扫码右边公众号，驾驭AI生产力！
