大模型（e.g., ChatGPT)里面的一些技术和发展方向

这个是基于视频 https://www.bilibili.com/video/BV17t4218761，可以了解一下大模型里面的一些技术和最近的发展，基本都是2022你那以来的发展，比较新。然后本文需要一定的基础，比如知道啥是语言模型，知道深度学习以及怎么训练之类的。

如何炼成ChatGPT

1. 先预训练一个生成语言模型，以自监督方式，也就是给定前面的单词预测下一个单词。得到模型A。

2. 有监督微调，也就是给定问题和答案，对1中学习的预训练模型A进行微调。得到模型B。这叫做Fine-tuning，特点是涉及在模型头部引入新参数的情况（例如加一个分类器来做句子的情感分析，正向还是负面的情感），且都存在小样本场景过拟合的问题

3. 2里面有一个问题，那就是需要标注数据，每一个问题，人类都要搞一个答案，所以有了强化学习的解决方案。具体来说，再训练一个模型C，这个模型学习如何给一个（问题，答案）打分，至于说给多少分，也是需要人类标注数据的，人类需要标注（问题，答案，打分），也就是说一个问题可能会有多个答案，好的不好的答案都有，但打分不同，这个模型C训练好了之后，就可以用来监督模型D了

4. 在模型A的基础上，输入一个问题，模型A会输出一个答案，这个答案和问题一起交给模型C，我们可以得到一个得分，这个得分会反馈给模型A，从而模型A不断学习，想要提高得分，得到模型D。这个叫做强化学习，此时模型C叫做奖励模型。这种优化模型A的方式好像叫做instruction-tuning.

如何调教ChatGPT

1. 小样本提示：给若干个问题，答案的示范，然后再问你的问题。
2. 思维链chain of thought。先给一个示范：即给一个问题，自己给出答案，并且给出中间步骤是如何一步一步得到这个答案的，然后再问你想要问的问题。
3. 分步骤思考，在问题后面加上一句：请你分步思考。

如何武装ChatGPT

1.检索增强生成：有些数据ChatGPT没有训练过，这个时候你问它它肯定不会，所以我们需要的就是给模型一个文档，然后让它根据文档来回答问题。

2.程序辅助语言模型：类似的，ChatGPT肯定也没有训练过一些比较冷门的数学计算，比如9283*31231.231，这个时候也要借助外部工具，不过不是文档了，而是计算器。这里不是你想的那样，调用一个在线计算器API，而是将计算的问题翻译成一段python代码，然后自己执行这段代码，得到计算结果。

3.推理行动结合：这个感觉就是思维链，甚至2其实也是思维链，只是这里的行动指的是访问外部API了，比如浏览器。推理就还是思维链，行动是根据推理的，然后行动之后有结果，这个结果又会进行推理，一直这样进行下去，直到模型认为回答完毕了（推理得到了）用户的问题。

其中3如下：

一些大模型的其他方向

这里来自于视频https://www.bilibili.com/video/BV1hM41157ZF。

prompt tuning

这部分是来自https://zhuanlan.zhihu.com/p/624178660，讲得很好。

至于论文的话不知道是不是这一篇：The Power of Scale for Parameter-Efficient Prompt Tuning（21年4月）。

我们以二分类的情感分析作为例子，描述Prompt-tuning的工作原理。给定一个句子[CLS] I like the Disney films very much. [SEP] 传统的Fine-tuning方法是将其通过BERT的Transformer获得 [CLS]表征之后再喂入新增加的MLP分类器进行二分类，预测该句子是积极的（positive）还是消极的（negative），因此需要一定量的训练数据来训练。

而Prompt-Tuning则执行如下步骤：

构建模板（Template Construction）：通过人工定义、自动搜索、文本生成等方法，生成与给定句子相关的一个含有[MASK]标记的模板。例如It was [MASK].，并拼接到原始的文本中，获得Prompt-Tuning的输入：[CLS] I like the Disney films very much. [SEP] It was [MASK]. [SEP]。将其喂入BERT模型中，并复用预训练好的MLM分类器（在huggingface中为BertForMaskedLM），即可直接得到[MASK]预测的各个token的概率分布；
标签词映射（Label Word Verbalizer）：因为[MASK]部分我们只对部分词感兴趣，因此需要建立一个映射关系。例如如果[MASK]预测的词是“great”，则认为是positive类，如果是“terrible”，则认为是negative类。
此时会有读者思考，不同的句子应该有不同的template和label word，没错，因为每个句子可能期望预测出来的label word都不同，因此如何最大化的寻找当前任务更加合适的template和label word是Prompt-tuning非常重要的挑战。 - 训练：根据Verbalizer，则可以获得指定label word的预测概率分布，并采用交叉信息熵进行训练。此时因为只对预训练好的MLM head进行微调，所以避免了过拟合问题

Prompt tuning：提供示例实现few shot/zero shot， 或者给出前半句激发语音模型的补全能力（在没精调的模型上也有一定效果）；

Instruction tuning: 通过给出明显的指令/指示， 让模型理解并做出正确的action。激发语言模型的理解能力（必须对模型精调，让模型知道这种指令模式）。

Instruction tuning

Google Research在2021年的论文《Finetuned Language Models Are Zero-Shot Learners》中提出了instruction-tuning。这个是21年9月。

Instruction的目的是告诉模型如何处理数据或执行某个操作，而不是简单地提供上下文或任务相关信息。

可以看到，必须精调，(input, target)有监督训练。啥是指令，我觉得就是那个问题。

所以和Instruction tuning和Prompt tuning的区别到底是什么？我没咋看出来。我的猜想是：Prompt tuning是给问题，然后mask答案，让模型回答Mask。这个在预训练模型的基础上可以直接运行，也可以再给一些（问题，答案）来进行训练微调。而Instruction tuning是。。。怎么感觉这么像。一个是21年4月提出的，一个是21年9月提出的，合理怀疑一下有没有可能只是同一个东西，不同名字，引用都是好几千。