梦晨 发自 凹非寺
量子位 | 公众号 QbitAI
自动测试分数达到ChatGPT的99.3%,人类难以分辨两者的回答……
这是开源大模型新成果,来自羊驼家族的又一重磅成员——华盛顿大学原驼(Guanaco)。
更关键的是,与原驼一起提出的新方法QLoRA把微调大模型的显存需求从>780GB降低到<48GB。
开源社区直接开始狂欢,相关论文成为24小时内关注度高的AI论文。
以Meta的美洲驼LLaMA为基础,得到原驼650亿参数版只需要48GB显存单卡微调24小时,330亿参数版只需要24GB显存单卡微调12小时。
24GB显存,也就是一块消费级RTX3090或RTX4090显卡足以。
不少网友在测试后也表示,更喜欢它而不是ChatGPT。
英伟达科学家Jim Fan博士对此评价为:大模型小型化的又一里程碑。
先扩大规模再缩小,将成为开源AI社区的节奏。
而新的高效微调方法QLoRA迅速被开源社区接受,HuggingFace也在第一时间整合上线了相关代玛。
GPT-4做裁判,原驼得分达到ChatGPT的99.3%
论文中,团队对原驼总共做了三项测试,自动评估、随机匹配和人类评估。
测试数据来自小羊驼Vicuna和Open Assistant。
自动评估由大模型天花板GPT-4当裁判,对不同模型的回答进行打分,以ChatGPT(GPT3.5)的成绩作为100%。
终原驼650亿版得分达到ChatGPT的99.3%,而GPT-4自己的得分是114.5%,谷歌Bard是94.8%。
随机匹配,采用棋类专业比赛和电子竞技同款的Elo记分机制,由GPT-4和人类共同做裁判。
原驼650亿和330亿版终得分超过ChatGPT(GPT3.5)。
人类评估,则是把原驼650亿版的回答和ChatGPT的回答匿名乱序放在一起,人类来盲选哪个好。
论文共同一作表示,研究团队里的人都很难分辨出来,并把测试做成了一个小游戏放在Colab上,开放给大家挑战。
这里节选其中一个问题(附中文翻译),你能分辨出哪个是ChatGPT回答的吗?
问题:How can I improve my time management skills?(如何提高时间管理技能?)
(完整测试地址在文末)
总的来说,原驼的优势在于不容易被问题中的错误信息误导,比如能指出地球从来没有被科学界认为是平的。
以及擅长心智理论(Theory of Mind),也就是能推测理解他人的心理状态。
但原驼也并非没有弱点,团队发发现它不太擅长数学,以及容易用提示注入攻击把要求保密的信息从它嘴里套出来。
也有网友表示,虽然一个模型能在某个数据集上无限接近ChatGPT,但像ChatGPT那样通用还是很难的。
全新方法QLoRA,iPhone都能微调大模型了
原驼论文的核心贡献是提出新的微调方法QLoRA。
其中Q代表量化(Quantization),用低精度数据类型去逼近神经网络中的高精度浮点数,以提高运算效率。
LoRA是微软团队在20*提出的低秩适应(Low-Rank Adaptation)高效微调方法,LoRA后来被移植到AI绘画领域更被大众熟知,但早其实就是用于大语言模型的。
通常来说,LoRA微调与全量微调相比效果会更差,但团队将LoRA添加到所有的线性层解决了这个问题。
具体来说,QLoRA结合了4-bit量化和LoRA,以及团队新创的三个技巧:新数据类型4-bit NormalFloat、分页优化器(Paged Optimizers)和双重量化(Double Quantization)。
终QLoRA让4-bit的原驼在所有场景和规模的测试中匹配16-bit的性能。
QLoRA的高效率,让团队在华盛顿大学的小型GPU集*上每天可以微调LLaMA 100多次……
终使用Open Assistant数据集微调的版本性能胜出,成为原驼大模型。
Open Assistant数据集来自非盈利研究组织LAION(训练Stable Diffusion的数据集也来自这里),虽然只有9000个样本但质量很高,经过开源社区的人工仔细验证。
这9000条样本用于微调大模型,比100万条指令微调(Instruction Finetune)样本的谷歌FLAN v2效果还好。
研究团队也据此提出两个关键结论:
- 数据质量 >> 数据数量
- 指令微调有利于推理,但不利于聊天
后,QLoRA的高效率,还意味着可以用在手机上,论文共同一作Tim Dettmers估计以iPhone 12 Plus的算力每个晚上能微调300万个单词的数据量。
这意味着,很快手机上的每个App都能用上专用大模型。
论文:
https://arxiv.org/abs/2305.14314
GitHub:
https://github.com/artidoro/qlora
与ChatGPT对比测试:
https://colab.research.google.com/drive/1kK6xasHiav9nhiRUJjPMZb4fAED4qRHb
330亿参数版在线试玩:
https://huggingface.co/spaces/uwnlp/guanaco-playground-tgi
参考链接:
[1]https://twitter.com/Tim_Dettmers/status/1661379376225697794
[2]https://huggingface.co/blog/4bit-transformers-bitsandbytes
— 完 —
量子位 QbitAI · 头条号签约
以上就是【跑分达ChatGPT的99%,人类难以分辨!开源「原驼」大模型爆火】的相关内容,查看其它ai资讯请关注微咔网
根据二〇〇二年一月一日《计算机软件保护条例》第十七条规定:为了学习和研究软件内含的设计思想和原理,通过安装、显示、传输或者存储软件等方式使用软件的,可以不经软件著作权人许可,不向其支付报酬。
本网站所有发布的源码、软件和资料,均为作者提供或网友推荐收集各大资源网站整理而来,仅供功能验证和学习研究使用。
所有资源的文字介绍均为网络转载,本站不保证相关内容真实可信,同时不保证所有资源100%无错可用,也不提供相应的技术支持,介意勿下。
您必须在下载后24小时内删除,不得用于非法商业用途,不得违反国家法律,一切关于该资源的商业行为与本站无关。
如果您喜欢该程序,请支持正版源码,得到更好的正版服务。、如有侵犯你的版合法权益,请邮件与我们联系处理【投诉/建议发送至邮箱:3066548754@qq.com】,本站将立即改正并删除。
本声明为本站所有资源最终声明,所有与本声明不符的表述均以本声明内容为准。
微咔网 » 跑分达ChatGPT的99%,人类难以分辨!开源「原驼」大模型爆火