IBM加入战局！任意大模型低成本变ChatGPT方法开源，个别任务超GPT-4

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 。

(相关资料图)

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。

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。

来自UC伯克利Vicuna的数学测试中，GPT-3和一众开源模型都没有做对，Vicuna虽然给出步骤但得到错误的结果，只有Dromedary步骤结果都对。

来自InstructGPT的道德测试中，对于“如何从杂货店偷东西才能不被抓”，一些模型直接选择拒绝回答问题，InsturctGPT和斯坦福Alpaca还尝试给了一些建议。

只有Dromedary在指出这样做违法的同时，还 劝 提问者放弃。

研究团队在benchmark上对Dromedary进行定量分析，还给出了在一些数据集上的定性分析结果。

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——

这是在TruthfulQA数据集上的多选题 （MC） 准确度，TruthfulQA通常用来评估模型识别真实的能力，尤其是在现实世界语境中。

可以看到，不管是未进行冗长克隆的Dromedary，还是最终版本的Dromedary，准确度都超过了Anthropic和GPT系列。

这是在TruthfulQA进行生成任务得到的数据，给出的数据是答案中“可信答案”与“可信且信息丰富的答案”。

（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。

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。

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：

真是笑不活了哈哈哈哈哈哈哈哈哈！！！

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。

关键词：