斯坦福发布大模型Alpaca：A100上训3小时，性能比较GPT-3.5，被挤爆！

源｜新智元

Meta的LLaMA模型开源，让文本大模型迎来了Stable Diffustion时刻。今天，斯坦福发布了一个由LLaMA 7B微调的模型Alpaca，训练3小时，性能比肩GPT-3.5。

一觉醒来，斯坦福大模型Alpaca（草泥马）火了。

没错，Alpaca是由Meta的LLaMA 7B微调而来的全新模型，仅用了52k数据，性能约等于GPT-3.5。

关键是训练成本奇低，不到600美元。具体花费如下：

在8个80GB A100上训练了3个小时，不到100美元；

生成数据使用OpenAI的API，500美元。

斯坦福大学计算机科学副教授Percy Liang称，

由于缺乏透明度/无法完全访问像GPT 3.5这样的有能力的指令模型，进而限制了这一重要领域的学术研究。我们在 Alpaca （LLaMA 7B + text-davinci-003）上迈出了一小步。

看到又有人在自家大模型上取得了新的成果，Yann LeCun疯狂转发（宣传要到位）。

3小时微调70亿参数，600美元搞定

话不多说，先试用一波。

问：告诉我一些关于羊驼的事情。

答：羊驼是来自南美洲的骆驼品种，与美洲驼和骆驼有关。它们通常因其纤维而被饲养，用于制造奢侈品，如毛衣和毛毯。由于羊驼的温柔和友好的天性，它们也是很受欢迎的宠物。

体验链接：
https://crfm.stanford.edu/alpaca/

对于斯坦福的团队来说，想要在预算内训练一个高质量的指令遵循模型，就必须面临2个重要的挑战：要有一个强大的预训练语言模型，以及一个高质量的指令遵循数据。

恰恰，提供给学术研究人员使用的LLaMA模型搞定了第一个问题。

对于第二个挑战，「Self-Instruct: Aligning Language Model with Self Generated Instructions」论文给了很好的启发，即使用现有的强语言模型来自动生成指令数据。

然而，LLaMA模型最大的弱点是缺乏指令微调。OpenAI最大的创新之一就是将指令调优用在了GPT-3上。

对此，斯坦福使用了现有的大语言模型，来自动生成遵循指令演示。

首先从自生成指令种子集中的175个人工编写的「指令-输出」对开始，然后，提示text-davinci-003使用种子集作为上下文示例来生成更多指令。

通过简化生成管道改进了自生成指令的方法，这样大大降低了成本。在数据生成过程中，产生了52K个独特指令和相应的输出，使用OpenAI API的成本不到500美元。

有了这个指令遵循的数据集，研究人员利用Hugging Face的训练框架对LLaMA模型进行微调，利用了完全分片数据并行（FSDP）和混合精度训练等技术。

另外，微调一个7B的LLaMA模型在8个80GB的A100上花了3个多小时，在大多数云计算供应商那里的成本不到100美元。

约等于GPT-3.5

为了评估Alpaca，斯坦福研究人员对自生成指令评价集的输入进行了人工评估（由5位学生作者进行）。

这个评价集是由自生成指令作者收集的，涵盖了多样化的面向用户的指令，包括电子邮件写作、社交媒体和生产力工具等。

他们对GPT-3.5（text-davinci-003）和Alpaca 7B进行了比较，发现这两个模型的性能非常相似。Alpaca在与GPT-3.5的比较中，获胜次数为90对89。

鉴于模型规模较小，且指令数据量不大，取得这个结果已经是相当惊人了。

除了利用这个静态评估集，他们还对Alpaca模型进行了交互式测试，发现Alpaca在各种输入上的表现往往与GPT-3.5相似。

斯坦福用Alpaca进行的演示：

演示一让Alpaca来谈谈自己和LLaMA的区别。

演示二让Alpaca写了一封邮件，内容简洁明了，格式也很标准。

上述例子可以看出，Alpaca的输出结果一般都写得不错，而且答案通常比ChatGPT简短，体现了GPT-3.5较短输出的风格。

当然了，Alpaca表现出语言模型常见的缺陷。

比如，将坦桑尼亚的首都说成了达累斯萨拉姆。实则，1974年之后，多多马是坦桑尼亚的新首都了，达累斯萨拉姆只是坦桑尼亚最大的城市。

撰写周详的论文摘要时，Alpaca传播了错误的信息。

另外，Alpaca可能还存在许多与底层语言模型和指令微调数据相关的局限。然而，Alpaca为我们提供了一个相对轻量级的模型，它可以成为未来研究大模型重要缺陷的基础。

目前，斯坦福仅公布了Alpaca的训练方法和数据，并打算在未来发布模型的权重。

但是，Alpaca是不能用于商业用途，只能用于学术研究。具体原因有三：

1. LLaMA是一个非商业许可的模型，Alpaca是基于该模型生成的；

2. 指令数据是基于OpenAI的text-davinci-003，其使用条款禁止开发与OpenAI竞争的模型；

3. 没有设计足够多的安全措施，所以Alpaca还没有做好广泛使用的准备

除此之外，斯坦福研究人员总结了Alpaca未来研究会有三个方向。

• 评估：

从HELM（语言模型的整体评估）开始捕捉更多的生成性、遵循指令的场景。

• 安全：

进一步研究Alpaca的风险，并使用自动红队分组、审计和适应性测试等方法提高其安全性。

• 理解：

希望能更好地理解模型能力是如何从训练方法中产生的。需要基础模型的什么属性？扩大模型规模时会发生什么？需要指令数据的什么属性？在GPT-3.5上，除了使用自生成指令，还有什么替代方法？

大模型的Stable Diffusion

现在，斯坦福「羊驼」直接被网友奉为「文本大模型的Stable Diffusion」。

Meta的LLaMA模型可以免费给研究人员使用（当然需要申请后）简直利好AI圈友们。

自ChatGPT横空出世以来，让许多人对AI模型的内置限制感到沮丧。这些限制阻止ChatGPT讨论OpenAI认为敏感的话题。

因此，AI社区便希望能够有一个开源大语言模型（LLM），任何人都可以在本地运行而无需审查，也无需向OpenAI支付API费用。

要说这样开源大模型现在也有，比如GPT-J，但美中不足的是需要大量的GPU内存和存储空间。

另一方面，其他开源平替版无法在现成的消费级硬件上拥有GPT-3级别的性能。

2月底，Meta推出了最新的语言模型LLaMA，参数量分别是70亿（7B）、130亿（13B）、330亿（33B）和650亿（65B）。评测结果显示，其13B版本便可以与GPT-3相媲美。

论文地址：
https://research.facebook.com/publications/llama-open-and-efficient-foundation-language-models/

虽然Meta向通过申请的研究人员开放源代码，但没想到网友最先在GitHub上泄漏了LLaMA的权重。

自此，围绕LLaMA语言模型的发展呈爆炸式增长。

通常，运行GPT-3需要多个数据中心级A100 GPU，再加上GPT-3的权重不是公开的。

网友纷纷自己「操刀」运行LLaMA模型一时引起了轰动。

通过量化技术对模型大小进行优化，LLaMA现在可以在M1 Mac、较小Nvidia消费者GPU、Pixel 6手机、甚至是树莓派上运行。

网友总结了，从LLaMA的发布到现在，大家利用LLaMA做出的一些成果：

2月24日，LLaMA发布，并在非商业许可下提供给政府、社区和学术界的研究人员和实体工作者；

3月2日，4chan网友泄露了全部的LLaMA模型；

3月10日，Georgi Gerganov创建了llama.cpp工具，可以在搭载M1/M2芯片的Mac上运行LLaMA；

3月11日：通过llama.cpp可以在4GB RaspberryPi上运行7B模型，但速度比较慢，只有10秒/token；

3月12日：LLaMA 7B在一个node.js执行工具NPX上成功运行；

3月13日：llama.cpp可以在Pixel 6手机上运行；

而现在，斯坦福Alpaca「羊驼」发布。

One More Thing

项目没放出多久，Alpaca火爆到直接不能用了....

许多网友吵吵，点「生成」没反应，还有的在排队等玩儿。

后台回复关键词【入群】

加入卖萌屋NLP、CV、搜推广与求职讨论群

 

[1]https://simonwillison.net/2023/Mar/13/alpaca/

[2]https://crfm.stanford.edu/2023/03/13/alpaca.html