note
Hugging Face 的 PEFT是一个库(LoRA 是其支持的技术之一,除此之外还有Prefix Tuning、P-Tuning、Prompt Tuning),可以让你使用各种基于 Transformer 结构的语言模型进行高效微调。AIpaca羊驼:让 OpenAI 的 text-davinci-003 模型以 self-instruct 方式生成 52K 指令遵循(instruction-following)样本,以此作为 Alpaca 的训练数据,最后训练的羊驼只有7B参数量。可以使用LoRA微调优化。LLM技术思路: 语言模型:llama、bloom、glm等指令微调数据:alpaca_data、bella_data、guanaco_data等。目前指令微调数据上,很依赖alpaca以及chatgpt的self-instruct数据。数据处理参考下图:微调加速: lora(如Alpaca-Lora)等,还可以使用peft库、量化工具包bitsandbytes、deepspeed(先读torch.distributed和ColossalAI在搞)、llama.cpp量化模型。在LoRA方法提出之前,也有很多方法尝试解决大模型微调困境的方法。其中有两个主要的方向: 添加adapter层。adapter就是固定原有的参数,并添加一些额外参数用于微调;由于某种形式的输入层激活。 训练优化方法:量化、3D并行、cpu卸载文章目录
note零、AIGC生成式模型1. 核心要素2. LLM evolutionary tree3. 什么样的模型更适合zero-shot 二、LLM大模型1. ChatGLM(1)GLM-130B(2)ChatGLM-6B 2. LLaMA3. RoBERTa4. Bloom5. PaLM 三、大模型高效指令微调1. 指令微调的注意事项2. prompt tuning3. prefix tuning5. LoRA模型微调6. p-tuning7. Adapter tuning 四、微调模型实践1. 基于微调的医学问诊模型HuaTuo2. stanford alpaca指令微调3. Chinese-LLaMA-Alpaca中文模型4. Alpaca-Lora:基于LLaMA(7B)微调 五、工程注意事项Reference零、AIGC生成式模型
1. 核心要素
AIGC模型:
NLP:GPT、chatGLM、其他常见LLM模型参考下图
CV:stable diffusion等
2. LLM evolutionary tree
引爆LLM的chatGPT的三大核心技术:
LLM:(Large Language Models)指经过大规模预训练且体量较大的语言模型,一般是 transformer-based 模型。IFT:(Instruction Fine-Tuning)指令微调,指令是指用户传入的目的明确的输入文本,指令微调用以让模型学会遵循用户的指令。CoT:(Chain-of-Thought)指令形式的一种特殊情况,包含 step-by-step 的推理过程。
3. 什么样的模型更适合zero-shot
几个bigScience里的概念
架构:自回归、非自回归、编码器-解码器目标:全语言模型、前缀语言模型、掩码语言模型适配器:不添加适配器、将自回归模型用于掩码目标训练的适配器、将掩码为目标的模型转化为纯语言模型目标是否经过多任务微调评估数据集:EAI-Eval、T0-Eval
二、LLM大模型
当前主流的大预言模型都是decoder-only结构OPT、BLOOM、LLaMA 三个模型是主要面向开源促进研究和应用的,中文开源可用的是 GLM,后续很多工作都是在这些开源的基础模型上进行微调优化的transformer中encoder和decoder有异同(如下图): encoder:将输入序列转为一系列特征向量,encoder由多个层组成,每个子层都包括【多头自注意力层 multi-head self-attention layer】和【全连接前馈层feed-forward layer】,这些子层都用resnet残差连接和 layer normalization层归一化加速训练 encoder的多头注意力用于学习输入序列内不同位置之间的以来关系,以及不同维度的重要性;全连接前馈层用于学习每个位置的特征表示; decoder:next token prediction方式,每个层包括【多头自注意力层】、【多头注意力层】、【全连接前馈层】,也使用resnet和ln加速训练; decoder的多头自注意力:学习序列内不同位置之间的依赖关系decoder的多头注意力:学习输入序列和输出序列之间的依赖关系,并生成一个加权的输入序列特征向量作为当前的特征表示全连接前馈层:将当前位置的特征表示转为输出序列的一个单词或标记 decoder比encoder多一个多头注意力层,用于学习输入序列和输出序列之间的依赖关系1. ChatGLM
(1)GLM-130B
ChatGLM 参考了 ChatGPT 的设计思路,在千亿基座模型 GLM-130B中注入了代码预训练,通过有监督微调(Supervised Fine-Tuning)等技术实现人类意图对齐。ChatGLM 当前版本模型的能力提升主要来源于独特的千亿基座模型 GLM-130B。它是不同于 BERT、GPT-3 以及 T5 的架构,是一个包含多目标函数的自回归预训练模型。8月,向研究界和工业界开放了拥有1300亿参数的中英双语稠密模型 GLM-130B,该模型有一些独特的优势:
双语: 同时支持中文和英文。高精度(英文): 在公开的英文自然语言榜单 LAMBADA、MMLU 和 Big-bench-lite 上优于 GPT-3 175B(API: davinci,基座模型)、OPT-175B 和 BLOOM-176B。高精度(中文): 在7个零样本 CLUE 数据集和5个零样本 FewCLUE 数据集上明显优于 ERNIE TITAN 3.0 260B 和 YUAN 1.0-245B。快速推理: 首个实现 INT4 量化的千亿模型,支持用一台 4 卡 3090 或 8 卡 2080Ti 服务器进行快速且基本无损推理。可复现性: 所有结果(超过 30 个任务)均可通过我们的开源代码和模型参数复现。跨平台: 支持在国产的海光 DCU、华为昇腾 910 和申威处理器及美国的英伟达芯片上进行训练与推理。
(2)ChatGLM-6B
ChatGLM-6B 是一个具有62亿参数的中英双语语言模型。通过使用与 ChatGLM()相同的技术,ChatGLM-6B 初具中文问答和对话功能,并支持在单张 2080Ti 上进行推理使用。具体来说,ChatGLM-6B 有如下特点:
充分的中英双语预训练: ChatGLM-6B 在 1:1 比例的中英语料上训练了 1T 的 token 量,兼具双语能力。优化的模型架构和大小: 吸取 GLM-130B 训练经验,修正了二维 RoPE 位置编码实现,使用传统FFN结构。6B(62亿)的参数大小,也使得研究者和个人开发者自己微调和部署 ChatGLM-6B 成为可能。较低的部署门槛: FP16 半精度下,ChatGLM-6B 需要至少 13GB 的显存进行推理,结合模型量化技术,这一需求可以进一步降低到 10GB(INT8) 和 6GB(INT4), 使得 ChatGLM-6B 可以部署在消费级显卡上。更长的序列长度: 相比 GLM-10B(序列长度1024),ChatGLM-6B 序列长度达 2048,支持更长对话和应用。人类意图对齐训练: 使用了监督微调(Supervised Fine-Tuning)、反馈自助(Feedback Bootstrap)、人类反馈强化学习(Reinforcement Learning from Human Feedback) 等方式,使模型初具理解人类指令意图的能力。输出格式为 markdown,方便展示。
因此,ChatGLM-6B 具备了一定条件下较好的对话与问答能力。当然,ChatGLM-6B 也有相当多已知的局限和不足:
模型容量较小: 6B 的小容量,决定了其相对较弱的模型记忆和语言能力。在面对许多事实性知识任务时,ChatGLM-6B 可能会生成不正确的信息;她也不擅长逻辑类问题(如数学、编程)的解答。可能会产生有害说明或有偏见的内容:ChatGLM-6B 只是一个初步与人类意图对齐的语言模型,可能会生成有害、有偏见的内容。较弱的多轮对话能力:ChatGLM-6B 的上下文理解能力还不够充分,在面对长答案生成,以及多轮对话的场景时,可能会出现上下文丢失和理解错误的情况。英文能力不足:训练时使用的指示大部分都是中文的,只有一小部分指示是英文的。因此在使用英文指示时,回复的质量可能不如中文指示的回复,甚至与中文指示下的回复矛盾。易被误导:ChatGLM-6B 的“自我认知”可能存在问题,很容易被误导并产生错误的言论。例如当前版本模型在被误导的情况下,会在自我认知上发生偏差。即使该模型经过了1万亿标识符(token)左右的双语预训练,并且进行了指令微调和人类反馈强化学习(RLHF),但是因为模型容量较小,所以在某些指示下可能会产生有误导性的内容。
2. LLaMA
结构区别:ChatGLM-6B是Prefix LM(PLM),LLaMA-7B是Causal LM(CLM)。
(参考google的论文《UL2: Unifying Language Learning Paradigms》)
LLaMA 是 Meta AI 发布的包含 7B、13B、33B 和 65B 四种参数规模的基础语言模型集合,LLaMA-13B 仅以 1/10 规模的参数在多数的 benchmarks 上性能优于 GPT-3(175B),LLaMA-65B 与业内最好的模型 Chinchilla-70B 和 PaLM-540B 比较也具有竞争力。
链接:/facebookresearch/llama
论文地址:https://scontent-tpe1-1./v/t39.8562-6/333078981_693988129081760_4712707815225756708_n.pdf
from transformers import LlamaForCausalLM# use 8-bit quantization; otherwise, use fp16USE_8BIT = True model = LlamaForCausalLM.from_pretrained("pretrained/path",load_in_8bit=USE_8BIT,torch_dtype=torch.float16,device_map="auto",)if not USE_8BIT:model.half() # use fp16model.eval()
与原始的 transformer Decoder 相比, LLaMA主要有以下改进:
预归一化(Pre-normalization)[GPT3]:为了提高训练的稳定性, LLaMA对每个transformer子层的输入进行归一化, 而不是对输出进行 归一化。同时使用RMSNorm归一化函数。SwiGLU激活函数 [ P a L M ] [\mathrm{PaLM}] [PaLM]:LLaMA用SwiGLU激活函数取代RELU非线性, 以提高性能。SwiGLU激活函数的实现如下:
SwiGLU ( x , W , V , b , c , β ) = Swish β ( x W + b ) ⊗ ( x V + c ) \operatorname{SwiGLU}(x, W, V, b, c, \beta)=\operatorname{Swish}_\beta(x W+b) \otimes(x V+c) SwiGLU(x,W,V,b,c,β)=Swishβ(xW+b)⊗(xV+c)
其中 Swish = x ⋅ σ ( β x ) , G L U ( x ) = σ ( W x + b ) ⊗ ( V x + c ) \operatorname{Swish}=x \cdot \sigma(\beta x), G L U(x)=\sigma(W x+b) \otimes(V x+c) Swish=x⋅σ(βx),GLU(x)=σ(Wx+b)⊗(Vx+c)旋转嵌入(Rotary pos)[GPTNeo]
3. RoBERTa
源码:/pytorch/fairseq
论文:/pdf/1907.11692.pdf
更大的模型参数量(论文提供的训练时间来看,模型使用 1024 块 V100 GPU 训练了 1 天的时间)更大bacth size。RoBERTa 在训练过程中使用了更大的bacth size。尝试过从 256 到 8000 不等的bacth size。更多的训练数据(包括:CC-NEWS 等在内的 160GB 纯文本。而最初的BERT使用16GB BookCorpus数据集和英语维基百科进行训练)
4. Bloom
BLOOM 是 BigScience(一个围绕研究和创建超大型语言模型的开放协作研讨会)中数百名研究人员合作设计和构建的 176B 参数开源大语言模型,同时,还开源了BLOOM-560M、BLOOM-1.1B、BLOOM-1.7B、BLOOM-3B、BLOOM-7.1B 其他五个参数规模相对较小的模型。BLOOM 是一种 decoder-only 的 Transformer 语言模型,它是在 ROOTS 语料库上训练的,该数据集包含 46 种自然语言和 13 种编程语言(总共 59 种)的数百个数据来源。链接:https://huggingface.co/bigscience5. PaLM
PaLM 是使用谷歌提出的 Pathways[10] 系统(一种新的 ML 系统,可以跨多个 TPU Pod 进行高效训练)在 6144 块TPU v4 芯片上训练完成的。作者在 Pod 级别上跨两个 Cloud TPU v4 Pods 使用数据并行对训练进行扩展,与以前的大多数 LLM 相比,是一个显著的规模增长。
三、大模型高效指令微调
1. 指令微调的注意事项
高效指令微调:ChatGLM-6B官方支持的p-tuning-v2,以及最常见的LoRA方式都可以微调,节省显存又高效。参数微调后的常见问题:原有能力可能受损,或循环输出重复文本。可以认为指令微调是为了获得执行指令的能力,而不是从头学习。微调后,可以合并模型为单一模型:根据LoRA的论文,训练得到低秩的权重delta矩阵,所以支持合并finetune阶段的batch size通常远小于pretrain阶段,微调的数据量也远小于预训练的数据量。(参考MPT-7B模型的实验)基于LLM大模型构建应用:llama-index(原gpt-index)做文档式的对话系统。或者使用MOSS的思路,把大语言模型做成各种插件基于Alpaca的指令微调: Lora是在原始预训练模型增加一个旁路,做一个降维再升维的操作(对应降维矩阵A和升维矩阵B,前者用高斯分布初始化,后者用初始化为0),模型的输入输出维度不变,输出时将BA和预训练模型的参数叠加在推理时,将左右两部分的结果加到一起,即h=Wx+BAx=(W+BA)x
,所以,只要将训练完成的矩阵乘积BA跟原本的权重矩阵W加到一起作为新权重参数替换原始预训练语言模型的W即可,不会增加额外的计算资源。微调目标:原始Alpaca对中文支持不好,我们使用中文语料库(执行wget /LC1332/Chinese-alpaca-lora/blob/main/data/trans_chinese_alpaca_data.json?raw=true
下载数据,内容是三元组为instruction
指令,input
输入,output
模型的输出),例子如下:{"instruction": "\"解释以下分数为什么等于1/4\"。","input": "4月16日。","output": "\"分数4/16等于1/4,因为分子和分母都可以被4整除。将分子和分母都除以4得到1/4。\""}
2. prompt tuning
上面手写prompt方法不可控,不常用。
prompt tuning方法出自论文的论文“GPT Understands, Too”
论文链接:/pdf/2103.10385.pdf
github链接:/THUDM/P-tuning
HuggingFace 开源的一个高效微调大模型的 PEFT 库(Parameter-Efficient Fine-Tuning),目前包含LoRA,Prefix Tuning,Prompt Tuning,P-Tuning 四种算法。首先来看prompt tuning。
固定预训练参数,为每一个任务额外添加一个或多个embedding,之后拼接query正常输入LLM,并只训练这些embedding。左图为单任务全参数微调,右图为prompt tuning。
prompt tuning将fine tune任务转为mlm任务。自动学习模板:离散的主要包括 Prompt Mining, Prompt Paraphrasing, Gradient-based Search, Prompt Generation 和 Prompt Scoring;连续的则主要包括Prefix Tuning, Tuning Initialized with Discrete Prompts 和 Hard-Soft Prompt Hybrid Tuning。
正常微调举例:[cls]今天天上都出太阳了,阳光明媚。[SEP]
prompt输入举例:[cls]今天天气是[MASK]。[SEP] 今天天上都出太阳了,阳光明媚。[SEP]
from peft import PromptTuningConfig, get_peft_modelmodel_name_or_path = "./unsup-simcse-roberta-base"peft_type = PeftType.PROMPT_TUNINGlr = 1e-3peft_config = PromptTuningConfig(task_type="SEQ_CLS", num_virtual_tokens=10)model = AutoModelForCausalLM.from_pretrained(model_name_or_path, return_dict=True)model = get_peft_model(model, peft_config)model.print_trainable_parameters()
3. prefix tuning
prefix tuning还是固定预训练参数,但除为每一个任务额外添加一个或多个embedding之外,利用多层感知编码prefix,注意多层感知机就是prefix的编码器,不再像prompt tuning继续输入LLM。
embedding = torch.nn.Embedding(num_virtual_tokens, token_dim)transform = torch.nn.Sequential(torch.nn.Linear(token_dim, encoder_hidden_size),torch.nn.Tanh(),torch.nn.Linear(encoder_hidden_size, num_layers * 2 * token_dim),)
5. LoRA模型微调
链接:/microsoft/LoRA
LoRA冻结了预训练模型的参数,并在每一层decoder中加入dropout+Linear+Conv1d额外的参数。LoRA速度更快,并且使用更少内存。
model_name_or_path = "./unsup-simcse-roberta-base"peft_type = peft_type = PeftType.LORAlr = 3e-4peft_config = LoraConfig(task_type="SEQ_CLS", inference_mode=False, r=8, lora_alpha=16, lora_dropout=0.1)model = AutoModelForCausalLM.from_pretrained(model_name_or_path, return_dict=True)model = get_peft_model(model, peft_config)model.print_trainable_parameters()
6. p-tuning
p-tuning依然是固定LLM参数,利用多层感知机和LSTM对prompt进行编码,编码之后与其他向量进行拼接之后正常输入LLM。
chatglm使用p tuning v2微调代码:/THUDM/ChatGLM-6B/tree/main/ptuning
参考:大模型微调之P-tuning方法解析
self.lstm_head = torch.nn.LSTM(input_size=self.input_size,hidden_size=self.hidden_size,num_layers=num_layers,dropout=lstm_dropout,bidirectional=True,batch_first=True,)self.mlp_head = torch.nn.Sequential(torch.nn.Linear(self.hidden_size * 2, self.hidden_size * 2),torch.nn.ReLU(),torch.nn.Linear(self.hidden_size * 2, self.output_size),)self.mlp_head(self.lstm_head(input_embeds)[0])
7. Adapter tuning
该方法出自的论文“Parameter-Efficient Transfer Learning for NLP ”
论文链接:/pdf/1902.00751.pdf
github链接:GitHub - google-research/adapter-bert
adpater层会引入推理延迟,如上图,在原始的transformer block中添加2个adapter(上图右边),adpater学习下游任务知识;先降维,再升维
四、微调模型实践
1. 基于微调的医学问诊模型HuaTuo
LLM模型(如LLaMa,ChatGLM)因为缺乏一定的医学专业知识语料而表现不佳。该项目通过医学知识图谱和GPT3.5API构建了中文医学指令数据集,并对LLaMa模型进行了指令微调得到了一个针对医学领域的智能问诊模型HuaTuo,相比于未经过医学数据指令微调的原LLaMa而言,HuaTuo模型在智能问诊层面表现出色,可生成一些更为可靠的医学知识回答。
华佗 HuaTuo: Tuning LLaMA Model with Chinese Medical Knowledge
PDF: /pdf/2304.06975v1.pdf
Code: /scir-hi/huatuo-llama-med-chinese
2. stanford alpaca指令微调
【stanford_alpaca】一个可复制的指令对齐模型。Stanford Alpaca羊驼 是在 LLaMA 整个模型上微调,即对预训练模型中的所有参数都进行微调(full fine-tuning)。博客(https://crfm.stanford.edu//03/13/alpaca.html)中介绍到,在学术预算下训练高质量的指导跟踪模型有两个重要挑战:强大的预训练语言模型和高质量的指导跟踪数据。
第一个挑战通过最近发布的Meta的新LLaMA模型来解决。对于第二个挑战,self-instruct论文建议使用现有的强语言模型来自动生成指令数据。羊驼是一种语言模型,使用从LLaMA 7B模型的监督学习,从OpenAI的文本davinci-003生成的52K指令进行后续训练。地址:/tatsu-lab/stanford_alpaca。alpaca_data.json
数据包含微调羊驼模型的52k指令追踪数据,json里是字典类别,字典内容如下所示:
instruction:str,描述模型应该执行的任务。52K的每个指令都是独一无二的。 input:str,任务的可选上下文或输入。例如,当指令是“总结以下文章”时,输入是文章。大约40%的例子有输入。 output:str,由text-davinci-003生成的指令的答案。
成本:配备如上图的指令跟踪数据集,然后使用Hugging Face的训练框架微调了LLaMA模型,利用了完全分片数据并行和混合精度训练等技术。在初始运行中,在8个80GB A100上微调7B LLaMA模型花了3个小时,这在大多数云计算提供商中花费不到100美元。
羊驼仅用于学术研究,禁止任何商业用途。这一决定有三个因素:首先,羊驼是基于LLaMA的,它拥有非商业许可证,因此我们必然会继承这一决定。其次,指令数据基于OpenAI的text-davinci-003,其使用条款禁止开发与OpenAI竞争的模型。
3. Chinese-LLaMA-Alpaca中文模型
论文链接:/pdf/2304.08177.pdf
github链接:/ymcui/Chinese-LLaMA-Alpaca
chinese LLaMA alpaca模型
论文:《EFFICIENT ANDEFFECTIVETEXTENCODING FORCHINESELLAMAANDALPACA》
Alpaca基于LLaMA的构造数据进行微调:
增加词表,增加编码效率:为了增强分词器对中文文本的支持,首先使用SentencePiece在中文语料库上训练一个中文分词器,词汇量为20,000。然后将中文分词器与原始LLaMA分词器合并,组合它们的词汇表。最终,得到一个合并后的分词器,称为中文LLaMA分词器,词汇量为49,953。使用低秩自使用LoRA,减少训练参数。LLaMA参数量在7B-65B。使用GPT4作为评分工具。Georgi Gerganov. llama.cpp./ggerganov/llama.cpp, LLaMA包括预归一化、多transformer块和一个语言模型head层、如预归一化、SwiGLU激活和Rotary Embeddings等的改进;LLaMA缺乏指令微调,非商业许可,Alpaca是基于该模型生成;指令数据是基于OpenAI的text-davinci-003,其使用条款禁止开发与OpenAI竞争的模型指令精调阶段的任务形式基本与Stanford Alpaca相同。训练方案同样采用了LoRA进行高效精调,并进一步增加了可训练参数数量。在prompt设计上,精调以及预测时采用的都是原版Stanford Alpaca不带input的模版。对于包含input字段的数据,采用f"{instruction}+\n+{input}"
的形式进行拼接。 指令精调使用了约200w数据,如中英翻译数据500k、pCLUE数据 300K、斯坦福Alpaca数据(中英)50K、Self-instruction数据等。Self-instruction数据即自动生成指令,和standard alpac一样一次批量生成20组数据,
4. Alpaca-Lora:基于LLaMA(7B)微调
项目链接:/tloen/alpaca-lora
权重地址:https://huggingface.co/decapoda-research/llama-7b-hf
项目诞生原因:Stanford Alpaca羊驼 是在 LLaMA 整个模型上微调,即对预训练模型中的所有参数都进行微调(full fine-tuning)。但该方法对于硬件成本要求仍然偏高且训练低效。LLaMA没有经过指令微调,生成效果较差因此,Alpaca-Lora:利用 Lora 技术,在冻结原模型 LLaMA 参数的情况下,通过往模型中加入额外的网络层,并只训练这些新增的网络层参数。由于这些新增参数数量较少,这样不仅微调的成本显著下降(使用一块 RTX 4090 显卡,只用 5 个小时就训练了一个与 Alpaca 水平相当的模型,将这类模型对算力的需求降到了消费级),还能获得和全模型微调(full fine-tuning)类似的效果。 将LLaMA原始转钟转为transformers库对应的模型文件格式(也可以直接从huggingface上下载转好的模型,参考)用LoRA(Low-rank Adaptation)微调模型、模型推理将 LoRA 权重合并回基础模型以导出为 HuggingFace 格式和 PyTorch state_dicts。以帮助想要在 llama.cpp 或 alpaca.cpp 等项目中运行推理的用户
五、工程注意事项
可以使用peft库、量化工具包bitsandbytes、deepspeed、llama.cpp量化模型。在LoRA方法提出之前,也有很多方法尝试解决大模型微调困境的方法。其中有两个主要的方向: 添加adapter层。adapter就是固定原有的参数,并添加一些额外参数用于微调;由于某种形式的输入层激活。 GPU推理需求:单卡条件下,显存大小至少满足加载完整模型(fp16),每10亿(Billion)参数需要2GB,因为fp16精度1个参数要占16bits,2bytes。ChatGLM-6B官方说,fp16下最低需要13GB显存。选新一点的显卡,如A100新特性支持bf16、tf32。显存不足时体验LLM:可以选择对模型进行量化(8bit或4bit)甚至更低。ChatGLM-6B官方说,在int8和int4模式下的推理最低显存要求会从13GB降到10GB和6GB。或者使用cpu进行推理,例如:llama.cpp。 huggingface的int8推理速度怎么样:LLM.int8()的BLOOM-176B比FP16版本慢了大约15%到23%。小模型下,int8推理会更慢。 RLHF基于人类反馈的强化学习:需要有监督数据集进行微调(如下图)关于强化学习又可以继续挖深(典型RL算法如下图),强化学习:监督学习中标注数据独立同分布,rl则有连续性,输入是序列数据,学习到哪些动作的奖励最多,探索和利用EE。
Reference
[1] mT5: A Massively Multilingual Pre-trained Text-to-Text Transformer /pdf/.11934.pdf
[2] Language Models are Few-Shot Learners /?target=https%3A///pdf/.14165.pdf
[3] LaMDA: Language Models for Dialog Applications:/pdf/2201.08239.pdf
[4] Jurassic-1: Technical Details and Evaluation https://uploads-/60fd4503684b466578c0d307/61138924626a6981ee09caf6_jurassic_tech_paper.pdf
[5] Using DeepSpeed and Megatron to Train Megatron-Turing NLG 530B, the World’s Largest and Most Powerful Generative Language Model /pdf/2201.11990.pdf
[6] Scaling Language Models: Methods, Analysis & Insights from Training Gopher /deepmind-media/research/language-research/Training%20Gopher.pdf
[7] Training Compute-Optimal Large Language Models /pdf/2203.15556.pdf
[8] PaLM: Scaling Language Modeling with Pathways /pdf/2204.02311.pdf
[9] Pathways: Asynchronous Distributed Dataflow for ML /pdf/2203.12533.pdf
[10] Transcending Scaling Laws with 0.1% Extra Compute /pdf/2210.11399.pdf
[11] UL2: Unifying Language Learning Paradigms /pdf/2205.05131.pdf
[12] OPT: Open Pre-trained Transformer Language Models /pdf/2205.01068.pdf
[13] LLaMA: Open and Efficient Foundation Language Models /pdf/2302.13971v1.pdf
[14] BLOOM: A 176B-Parameter Open-Access Multilingual Language Model /pdf/2211.05100.pdf
[15] GLM-130B: An Open Bilingual Pre-Trained Model /pdf/2210.02414.pdf
[16] ERNIE 3.0 Titan: Exploring Larger-scale Knowledge Enhanced Pre-training for Language Understanding and Generation /pdf/2112.12731.pdf
[17] ERNIE 3.0: Large-scale Knowledge Enhanced Pre-training for Language Understanding and Generation /pdf/2107.02137.pdf
[18] Is Prompt All You Need? No. A Comprehensive and Broader View of Instruction Learning /pdf/2303.10475v2.pdf
[19] T0 Multitask Prompted Training Enables Zero-Shot Task Generalization /pdf/2110.08207.pdf
[20] Finetuned Language Models Are Zero-shot Learners /pdf?id=gEZrGCozdqR
[21] Scaling Instruction-Finetuned Language Models /pdf/2210.11416.pdf
[22] Crosslingual Generalization through Multitask Finetuning /pdf/2211.01786.pdf
[23] GPT-3.5 /docs/models/gpt-3-5
[24] Evaluating Large Language Models Trained on Code /pdf/2107.03374.pdf
[25] Training language models to follow instructions with human feedback /pdf/2203.02155.pdf
[26] OpenAI Blog: Introducting ChatGPT /blog/chatgpt
[27] mT5: A Massively Multilingual Pre-trained Text-to-Text Transformer
[28] OpenAI Blog: GPT-4 /research/gpt-4
[29] Alpaca: A Strong, Replicable Instruction-Following Model https://crfm.stanford.edu//03/13/alpaca.html
[30] ChatGLM:千亿基座的对话模型开启内测 /blog
[31] UC伯克利发布大语言模型排行榜
[32] /p/624918286
[33] https://xv44586.github.io//03/10/llm-inf/
[34] 大语言模型调研汇总
[45] Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer /pdf/1910.10683.pdf
[46] 论文解读 Chinese-LLaMA-Alpaca 中文版大语言模型
[47] 预训练技术及应用. 华菁云 澜舟科技 算法研究员
[48] 华佗 HuaTuo: Tuning LLaMA Model with Chinese Medical Knowledge
PDF: /pdf/2304.06975v1.pdf
Code: /scir-hi/huatuo-llama-med-chinese
[49] 极低资源条件下如何微调大模型:LoRA模型思想与BLOOM-LORA代码实现分析
[50] 大模型主流微调范式、性能对比与开源项目汇总:也看Freeze、P-Tuning、Lora、full-Finetune开源实现
[51] 大模型训练之微调篇(理解篇+代码篇)
[52] 使用Alpaca-Lora基于LLaMA(7B)二十分钟完成微调,效果比肩斯坦福羊驼
[53] llama.cpp量化部署Chinese-LLaMA-Alpaca
[54] Prompt-Tuning——深度解读一种新的微调范式
[55] Prompt Learning全面梳理扫盲.阿里算法工程师
[56] 解密Prompt系列3. 冻结LM微调Prompt: Prefix-Tuning & Prompt-Tuning & P-Tuning
[57] P-tuning:自动构建模版,释放语言模型潜能.苏神
[58] 深入理解LLaMA, Alpaca, ColossalChat 系列模型
[59] ChatGPT成功做对了这4步丨爱丁堡大学符尧
[60] 一文搞懂模型量化
[61] /huggingface/peft/blob/main/examples/int8_training/peft_bnb_whisper_large_v2_training.ipynb
[62] Alpaca: A Strong, Replicable Instruction-Following Model.Standford U
[63] 如何训练一个更好的语言模型
[64] ChatGPT的低成本“平替”当下实现路线:语言模型+指令微调数据+微调加速架构下的代表项目和开放数据
[65] 关于大模型实践的一些总结
[66] 大模型时代下做科研的四个思路【论文精读·52】