面對當(dāng)前微調(diào)大模型主要依賴人類生成數(shù)據(jù)的普遍做法，谷歌 DeepMind 探索出了一種減少這種依賴的更高效方法。
原文來源：機器之心
圖片來源：由無界 AI生成
如你我所見，大語言模型（LLM）正在改變深度學(xué)習(xí)的格局，在生成人類質(zhì)量的文本和解決各種語言任務(wù)方面展現(xiàn)出了卓越的能力。雖然業(yè)界通過對人類收集的數(shù)據(jù)進(jìn)行監(jiān)督微調(diào)進(jìn)一步提升了在具體任務(wù)上的性能，但獲取高質(zhì)量人類數(shù)據(jù)卻面臨著重大瓶頸。這對于要解決復(fù)雜問題的任務(wù)來說尤為明顯，需要大量資源和專業(yè)知識。
怎么解決呢？模型生成得合成數(shù)據(jù)是一種有潛力的替代方案，只要能保證數(shù)據(jù)的質(zhì)量，就能實現(xiàn)可擴展性和成本效益。
雖然 LLM 能夠自我評估生成的數(shù)據(jù)，但在本文中，谷歌 DeepMind 探索了一種更簡單的設(shè)置，將外部標(biāo)量反饋信號用作每個生成樣本的質(zhì)量指標(biāo)。
論文地址：https://arxiv.org/pdf/2312.06585.pdf
為了研究在模型生成數(shù)據(jù)上的訓(xùn)練，研究者考慮了一種簡單但強大的語言模型自訓(xùn)練方法，僅需要兩項功能，一是基于模型生成樣本，二是利用評分機制對這些樣本進(jìn)行評估。
為了確保清晰度和一致性，研究者采用了一種強化自訓(xùn)練方法 ReST^
本站提醒：投資有風(fēng)險，入市須謹(jǐn)慎，本內(nèi)容不作為投資理財建議。
