基于LLaMA-Factory的微调记录_llama-factory微调参数说明

LLaMA-Factory是一个非常好用的无代码微调框架，不管是在模型、微调方式还是参数设置上都提供了非常完备的支持，下面是对微调全过程的一个记录。

数据模型准备

微调时一般需要准备三个数据集：一个是自我认知数据集（让大模型知道自己是谁），一个是特定任务数据集（微调时需要完成的目标任务），一个是通用任务数据集（保持大模型的通用能力，防止变傻）。前两个一般要自己定义，最后一个用现成的就行。

自定义数据集可采用alpaca和sharegpt格式，这里采用的是alpaca格式：

[
  {
    "instruction": "用户指令（必填）",
    "input": "用户输入（选填）",
    "output": "模型回答（必填）",
    "system": "系统提示词（选填）",
    "history": [
      ["第一轮指令（选填）", "第一轮回答（选填）"],
      ["第二轮指令（选填）", "第二轮回答（选填）"]
    ]
  }
]
1
2
3
4
5
6
7
8
9
10
11
12

由于不需要考虑多轮对话，所以history可以不要，这里采用了两种数据集的组织方式，一种是只有instruction和output，把问题作为instruction，另外一种是把问题作为input，把回答问题这一要求作为instruction。这两种格式分别记为format2和format3。

在根据若干个不同的专业领域生成完多个自定义的问答json文件之后，分别生成其format2和format3的文件以及test测试文件，根据以下代码计算其sha1值：

import hashlib

def calculate_sha1(file_path):
    sha1 = hashlib.sha1()
    try:
        with open(file_path, 'rb') as file:
            while True:
                data = file.read(8192)  # Read in chunks to handle large files
                if not data:
                    break
                sha1.update(data)
        return sha1.hexdigest()
    except FileNotFoundError:
        return "File not found."

# 使用示例
file_path = './data/self_cognition_modified.json'  # 替换为您的文件路径
sha1_hash = calculate_sha1(file_path)
print("SHA-1 Hash:", sha1_hash)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

将这些json文件放入data文件夹下，同步修改dataset_info.json文件，输入新增的文件名称和对应的sha1值。

测试的大模型可以使用这些，注意要下载最新版，老版的模型结构不太匹配。

基于网页的简单微调

在后台执行CUDA_VISIBLE_DEVICES=0 python src/train_web.py命令，成功开启网页，设置如下，手动输入模型路径。


训练完成之后的界面，可以查看损失函数

基于网页的简单评测

• 原始模型评测
  
  
• 微调后模型评测
  首先加载lora
  
  
  可以看到，微调之后的模型在各个指标上有了显著提升

基于网页的简单聊天

切换到Chat并点击加载模型后，可以进入聊天

基于网页的模型合并

把lora的权重合并到原始模型中

微调问题测试与解决

问题测试

虽然在评估时看着分数挺高，但实际使用起来，问题还是挺大的：

• 自我认知无法更新
  
• 专业问题答不上来
  这是训练集中的一条数据
  
  这是无lora的情况：
  
  这是带lora的情况：
  

模板修改

ChatGLM之所以一口咬定自己是智谱开发的，主要原因是有个系统提示词，打开src/llmtuner/data/template.py文件，将以下部分删除

强化训练

为了让大模型学习更深入，补充通用数据集，增加学习率和epoch，再来一次微调


这一次自我认知倒是调出来了

但是专业问题还是不行

持续训练

在训练出来的这个lora的基础上，为了进一步增强其专业能力，将数据集中的通用和认知数据集去掉，仅保留目前回答不好的几个专业问答数据集，并减小截断长度和增大batch大小：

可以看到训练曲线又下降了一点

但是此时专业问答能力依然不太行，并且认知也退化了，看来洗脑不能停：

单数据集训练

考虑到不同数据集的专业领域不同，模型可能无法一次集中学习，因此我们尝试使用单个数据集进行微调，包括了其format2和format3格式，实验结果显示format3更好一些。

• format2格式
  其下降曲线如下图所示
  
  专业问答能力实现
  
  但通用问答能力被大大削弱
  

• format3格式
  其下降曲线如下图所示
  专业问答能力在输入指令的情况下实现

  直接提问只会瞎说
  加入数据集中的指令后正确回答
  

  通用问答能力保持
  

微调总结

以下是根据手头几个问答数据集的测试结果做的总结，不一定对，具体问题还需具体分析。

• 数据集是决定微调效果的核心因素。一方面，数据集的数量要尽可能多；另一方面，其质量也很关键，问题和答案要明确，不能含糊和模棱两可，可以通过思维链和多轮对话等技巧增强模型微调后的推理性能。
• 微调时最好不要混合使用多个领域的数据集，不然会降低学习效果，最好是同一领域下的相关问题。也不要尝试一开始用一个数据集训练，之后用另一个训练，这样并不会有什么好下场。
• 微调时最好采用format3，将指令和输入相分离，指令可以看成是上下文学习，让模型进入相应的任务模式，然后执行特定领域的问答。这就像是一种精准的手术，给大模型做观念植入时不会动大脑的所有神经元，而只是针对一小片区域，并将其与指令触发词相关联，这样就能实现模型通用和专业问答的兼顾。
• 不要仅用指标衡量微调的效果，我发现胡说八道的模型和大体正确的模型指标上相差不太大，还是要实际体验一下问答效果。
• 微调时留意一下模型默认的系统提示词，那是常常被忽视的一项超参数。
• 如果微调之后的回答效果不稳定，尝试一下降低模型推理时的温度参数。