OpenAI突发更新！GPT-3.5正式开放「微调」，人人可打造专属ChatGPT｜附最全官方指南...

点击下方卡片，关注“CVer”公众号

AI/CV重磅干货，第一时间送达

点击进入—>【目标检测和Transformer】交流群

转载自：新智元 | 编辑：桃子 好困

【导读】今天，OpenAI正式开放GPT-3.5微调API，GPT-4版本也即将推出。这意味着，继插件「APP Store」大爆发后，所有人皆可以打造个性化的专属「类ChatGPT应用」。

终于来了！

刚刚，OpenAI正式宣布，所有开发者都可以对GPT-3.5 Turbo进行微调。

初步结果表明，微调后的GPT-3.5 Turbo，在具体任务中，性能与GPT-4实力相当，甚至反超GPT-4。

最让人兴奋的是，「地表最强」的GPT-4微调版本，也将在几个月后正式上线。

这意味着，任何人可以根据需要，用「专有数据」对模型微调，标志着OpenAI开启了AI商业应用的新纪元。

英伟达高级科学家Jim Fan称，OpenAI发布了自「插件应用商店」以来最大的产品更新：GPT-3.5的微调API。这将是有史以来最大的LoRA云服务。预计将有一大堆新应用从各行各业涌现出来。

提示量大减90%

自GPT-3.5 Turbo发布以来，开发者和企业一直在寻求定制化的模型，以便为用户创建独特和差异化的体验。

不负等待，现在，开发者终于可以进行监督式微调，让该模型更好地满足自己的使用需求。

OpenAI表示，在私人测试版中，客户已经通过微调，显著提升了模型在常见案例中的性能，具体包括：

- 提高可控性

AI模型面临的经典挑战之一，便是精确地遵循指令。而微调便可以让模型做到这一点，比如输出更加简洁，或始终用特定的语言回复。

举个栗子，开发者可以通过微调确保要求模型，当用户在使用德语时，模型总是以德语回应。

- 可靠的输出格式

微调提高了模型一致格式化响应的能力，这对于需要特定响应格式的APP非常重要，比如代码补全或编写API调用。

想象一下，开发者可以通过微调将用户提示可靠地转化为高质量的JSON片段，这样，就能与自己的系统一起使用，让任务变得更加流畅。

- 自定义语调

微调可以优化模型，输出可以反应特定语调，从而更好地代表适应企业品牌的声音。

不同的品牌对外发出的声音是不一样的，从活跃创新初创公司到较为保守的企业，都可以通过模型微调让语调与对外形象保持一致。

- 更短的提示，相同的性能

GPT-3.5-Turbo微调可以处理多达4k个token，是之前微调模型的2倍。

早期测试者通过指令微调模型本身，将提示大小减少了高达90％，从而加快了每次API调用，并降低了成本。

值得注意的是，当微调与提示工程、信息检索和函数调用等其他技术相结合时，会获得最为强大的能力。

最后OpenAI表示，支持使用函数调用和gpt-3.5-turbo-16k的微调功能，也将在今年秋季推出。

价格x8

微调GPT-3.5的成本可以分为两部分：初始训练成本和使用成本。

训练：0.008美元/1K token

使用输入：0.012美元/1K token

使用输出：0.016美元/1K token

例如，一个gpt-3.5-turbo微调任务的训练文件为100,000个token（约75,000个单词），那么训练3个epoch的预期成本为2.40美元。

从使用的价格上来看，微调后的GPT-3.5是原始版本的8倍。

四步轻松搞定

第一步：准备数据

第二步：上传文件

第三步：创建微调任务

第四步：使用微调模型

GPT-3模型更新

7月，OpenAI曾宣布GPT-3基础模型（ada、babbage、curie和davinci）将于2024年1月4日关闭。

同在今天，OpenAI再次更新GPT-3模型，并提供了babbage-002和davinci-002作为以上模型替代品，可以作为基础模型或微调模型来使用。

客户也可以通过查询Completions API来访问这些模型。

另外，这些模型使用新的API端口/v1/fine_tuning/jobs进行微调。

该端口取代了/v1/fine-tunes旧端口（2024年1月4日关闭），提供了分页和更多可扩展性，以支持微调API的未来发展。

网友开启新世界

众多网友已经基于GPT-3.5 Turbo微调功能，开始创造新世界了。

刚刚在基于Marv示例的合成样本数据上对GPT-3.5进行了微调，Marv太搞笑了。

用户：我怎样才能交到女朋友？ 

助手：嘿Siri，给我找个女朋友。

毋庸置疑，这将彻底改变游戏规则，大大减少我们的API成本！

不过，也有网友表示十分疑惑，如果GPT-3.5 Turbo比GPT-4还强，那为什么还要每月支付20美元？？？

对此其他网友解释道，它只是在「特定任务」上更胜一筹，在通用型任务上依然还是GPT-4的主场。

官方微调指南

如何去微调GPT-3.5 Turbo，官方已经给出了教程。

地址：https://platform.openai.com/docs/guides/fine-tuning

首先，OpenAI介绍了通过微调，你可以API可用的模型中获得更多信息：

1. 比提示质量更高的结果

2. 能够就提示中无法容纳的更多示例进行训练

3. 提示更简洁，节省token使用

4. 降低延迟请求

GPT模型已经在大量文本上进行了预训练。

为了有效使用模型，OpenAI在提示中加入指令，有时还包括几个示例。通过演示，来展示模型如何执行任务通常被称为「少样本学习」。

微调可以通过训练比提示中更多的示例，来改进少样本学习，能够让模型在大量任务上获得更好的结果。

一旦微调模型，你就不需要在提示符中提供更多的示例。这样，既节省了成本，又降低了延迟的请求。

在高层次上，微调包含以下步骤：

1. 准备和上传训练数据

2. 训练一个新的微调模型

3. 使用你的微调模型

目前，微调可用于以下模型：

- gpt-3.5-turbo-0613（推荐）

- babbage-002

- davinci-002

何时需要微调

微调GPT模型可以使其更适合特定APP，但这需要投入大量的时间和精力。

OpenAI建议，首先尝试通过提示工程、提示链（将复杂任务分解为多个提示），以及函数调用，可以获得良好的结果，主要原因是：

- 有许多任务，GPT模型最初可能表现不佳，但有了更好的提示，便可以获得更好的结果，并且可能不需要微调。

- 迭代提示等其他策略，比使用微调迭代具有更快的反馈循环，而微调需要创建数据集，并且训练模型。

- 在仍需要微调的情况下，初始提示工程任务不会白费。OpenAI通常在微调数据中使用优秀的提示（或将提示链/工具使用与微调相结合），从而看到最佳结果。

前段时间，OpenAI发布「GPT最佳实践指南」中，提供一些有关提示有效的策略，无需微调即可获得更好的性能。

https://platform.openai.com/docs/guides/gpt-best-practices

常见用例

微调可以改善结果的一些常见用例：

- 设置风格、语调、格式或其他定性方面

- 提高生产所需输出的可靠性

- 纠正不按复杂提示操作的情况

- 以特定方式处理许多边缘情况

- 执行一项难以用提示表达的新技能或任务

在接下来的部分中，OpenAI将探讨如何设置用于微调的数据，以及微调后提高基线模型性能的各种示例。

微调有效的另一个场景是，在不牺牲质量的情况下通过替换GPT-4，或使用更短的提示来降低成本和/或延迟。

如果可以用GPT-4取得良好的结果，那么通过对GPT-4完成进行微调（可能使用更短的指令提示），而微调gpt-3.5-turbo后模型也能达到类似的效果。

准备数据集

当你确定微调是正确的解决方案，将需要准备训练模型的数据。

这里，你需要创建一组多样化的演示对话，这些对话应与你在推理时要求模型响应的对话相似。

数据集中的每个示例都应该是，与Chat completions API相同的对话，具体来说，就是一个消息列表，每个消息都有角色、内容和可选名称。

至少一些训练示例，应该直接针对提示模型行为不符合预期的情况，并且数据中提供的助手消息，应该是你希望模型提供的理想响应。

- 示例格式

在这个例子中，目标是创建一个偶尔给出讽刺回应的聊天机器人。

对此，OpenAI为数据集创建了3个训练示例（对话）：

{"messages": [{"role": "system", "content": "Marv is a factual chatbot that is also sarcastic."}, {"role": "user", "content": "What's the capital of France?"}, {"role": "assistant", "content": "Paris, as if everyone doesn't know that already."}]}
{"messages": [{"role": "system", "content": "Marv is a factual chatbot that is also sarcastic."}, {"role": "user", "content": "Who wrote 'Romeo and Juliet'?"}, {"role": "assistant", "content": "Oh, just some guy named William Shakespeare. Ever heard of him?"}]}
{"messages": [{"role": "system", "content": "Marv is a factual chatbot that is also sarcastic."}, {"role": "user", "content": "How far is the Moon from Earth?"}, {"role": "assistant", "content": "Around 384,400 kilometers. Give or take a few, like that really matters."}]}

微调gpt-3.5-turbo需要会话聊天格式。对于babbage-002和davinci-002，你可以按照用于旧版微调的提示完成配对格式，如下：

{"prompt": "<prompt text>", "completion": "<ideal generated text>"}
{"prompt": "<prompt text>", "completion": "<ideal generated text>"}
{"prompt": "<prompt text>", "completion": "<ideal generated text>"}

- 编写提示

建议在微调之前，用你认为对模型最有效的指令和提示，纳入到每个训练示例中。

这样做可以获得最佳和最普遍的结果，尤其是在训练示例相对较少（不足100个）的情况下。

如果你想缩短每个示例中重复出现的指令或提示，以节省成本，请记住，模型的行为很可能包含这些指令，很难让模型在推理时忽略这些「内置」指令。

可能需要更多的训练示例才能获得良好的结果，因为模型必须完全通过演示学习，而无需指令指导。

- 示例数量

要微调模型，你需要提供至少10个示例。

通常会看到，使用gpt-3.5-turbo对50-100个训练示例进行微调，有着明显改进。根据具体使用情况，同样的的示例效果不一。

OpenAI建议，从50个精心制作示例开始，看看模型在微调后是否显示出改进的迹象。

在某些情况下，这可能就足够了，但即使模型尚未达到输出质量，明确的改进也是一个好迹象，表明提供更多数据将继续改进模型。

如果没有改进，则表明你可能需要重新考虑如何为模型设置任务，或者在扩展到有限的示例集之前，重新调整数据结构。

- 拆分训练和测试

收集初始数据集后，建议将其拆分为训练和测试两个部分。

当提交包含训练和测试文件的微调时，OpenAI将在训练过程中提供两者的统计数据。

这些统计数据将是模型改进程度的初始信号。

此外，通过在测试集上生成样本，尽早构建测试集将有助于确保你能够在训练后评估模型。

- token限制

每个训练示例限制为4096个token。

训练时，长度超过这一限制，将被截断为4096个token。

因此，要确保整个训练示例适合上下文，请检查消息内容中的总token数是否低于4,000个。每个文件当前限制为50 MB。

- 估算成本

为了估算微调成本，主要还是参考官方定价页面，了解每1k token成本的详细信息。

在3个epoch内训练了100,000个token的训练文件，预期成本约为2.4美元。

- 检查数据格式

编译完数据集后，在创建微调之前，检查数据格式非常重要。

为此，OpenAI创建了一个简单的Python脚本，你可以使用它来查找潜在错误、查看token计数并估计微调的成本。

数据格式化脚本：

# We start by importing the required packages


import json
import os
import tiktoken
import numpy as np
from collections import defaultdict


# Next, we specify the data path and open the JSONL file


data_path = "<YOUR_JSON_FILE_HERE>"


# Load dataset
with open(data_path) as f:
    dataset = [json.loads(line) for line in f]


# We can inspect the data quickly by checking the number of examples and the first item


# Initial dataset stats
print("Num examples:", len(dataset))
print("First example:")
for message in dataset[0]["messages"]:
    print(message)


# Now that we have a sense of the data, we need to go through all the different examples and check to make sure the formatting is correct and matches the Chat completions message structure


# Format error checks
format_errors = defaultdict(int)


for ex in dataset:
    if not isinstance(ex, dict):
        format_errors["data_type"] += 1
        continue


    messages = ex.get("messages", None)
    if not messages:
        format_errors["missing_messages_list"] += 1
        continue


    for message in messages:
        if "role" not in message or "content" not in message:
            format_errors["message_missing_key"] += 1


        if any(k not in ("role", "content", "name") for k in message):
            format_errors["message_unrecognized_key"] += 1


        if message.get("role", None) not in ("system", "user", "assistant"):
            format_errors["unrecognized_role"] += 1


        content = message.get("content", None)
        if not content or not isinstance(content, str):
            format_errors["missing_content"] += 1


    if not any(message.get("role", None) == "assistant" for message in messages):
        format_errors["example_missing_assistant_message"] += 1


if format_errors:
    print("Found errors:")
    for k, v in format_errors.items():
        print(f"{k}: {v}")
else:
    print("No errors found")


# Beyond the structure of the message, we also need to ensure that the length does not exceed the 4096 token limit.


# Token counting functions
encoding = tiktoken.get_encoding("cl100k_base")


# not exact!
# simplified from https://github.com/openai/openai-cookbook/blob/main/examples/How_to_count_tokens_with_tiktoken.ipynb
def num_tokens_from_messages(messages, tokens_per_message=3, tokens_per_name=1):
    num_tokens = 0
    for message in messages:
        num_tokens += tokens_per_message
        for key, value in message.items():
            num_tokens += len(encoding.encode(value))
            if key == "name":
                num_tokens += tokens_per_name
    num_tokens += 3
    return num_tokens


def num_assistant_tokens_from_messages(messages):
    num_tokens = 0
    for message in messages:
        if message["role"] == "assistant":
            num_tokens += len(encoding.encode(message["content"]))
    return num_tokens


def print_distribution(values, name):
    print(f"\n#### Distribution of {name}:")
    print(f"min / max: {min(values)}, {max(values)}")
    print(f"mean / median: {np.mean(values)}, {np.median(values)}")
    print(f"p5 / p95: {np.quantile(values, 0.1)}, {np.quantile(values, 0.9)}")


# Last, we can look at the results of the different formatting operations before proceeding with creating a fine-tuning job:


# Warnings and tokens counts
n_missing_system = 0
n_missing_user = 0
n_messages = []
convo_lens = []
assistant_message_lens = []


for ex in dataset:
    messages = ex["messages"]
    if not any(message["role"] == "system" for message in messages):
        n_missing_system += 1
    if not any(message["role"] == "user" for message in messages):
        n_missing_user += 1
    n_messages.append(len(messages))
    convo_lens.append(num_tokens_from_messages(messages))
    assistant_message_lens.append(num_assistant_tokens_from_messages(messages))


print("Num examples missing system message:", n_missing_system)
print("Num examples missing user message:", n_missing_user)
print_distribution(n_messages, "num_messages_per_example")
print_distribution(convo_lens, "num_total_tokens_per_example")
print_distribution(assistant_message_lens, "num_assistant_tokens_per_example")
n_too_long = sum(l > 4096 for l in convo_lens)
print(f"\n{n_too_long} examples may be over the 4096 token limit, they will be truncated during fine-tuning")


# Pricing and default n_epochs estimate
MAX_TOKENS_PER_EXAMPLE = 4096


MIN_TARGET_EXAMPLES = 100
MAX_TARGET_EXAMPLES = 25000
TARGET_EPOCHS = 3
MIN_EPOCHS = 1
MAX_EPOCHS = 25


n_epochs = TARGET_EPOCHS
n_train_examples = len(dataset)
if n_train_examples * TARGET_EPOCHS < MIN_TARGET_EXAMPLES:
    n_epochs = min(MAX_EPOCHS, MIN_TARGET_EXAMPLES // n_train_examples)
elif n_train_examples * TARGET_EPOCHS > MAX_TARGET_EXAMPLES:
    n_epochs = max(MIN_EPOCHS, MAX_TARGET_EXAMPLES // n_train_examples)


n_billing_tokens_in_dataset = sum(min(MAX_TOKENS_PER_EXAMPLE, length) for length in convo_lens)
print(f"Dataset has ~{n_billing_tokens_in_dataset} tokens that will be charged for during training")
print(f"By default, you'll train for {n_epochs} epochs on this dataset")
print(f"By default, you'll be charged for ~{n_epochs * n_billing_tokens_in_dataset} tokens")
print("See pricing page to estimate total costs")

验证数据后，需要上传文件才能与微调一起使用：

openai.File.create(
  file=open("mydata.jsonl", "rb"),
  purpose='fine-tune'
)

创建微调模型

在确保数据集的数量和结构正确并上传文件后，下一步是创建微调模型。

使用OpenAI SDK开始微调：

import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")
openai.FineTuningJob.create(training_file="file-abc123", model="gpt-3.5-turbo")

其中，model是初始的模型的名称（gpt-3.5-turbo、babbage-002或davinci-002）。你可以使用后缀参数自定义微调模型的名称。

开始微调后，可能需要一些时间才能完成。

根据模型和数据集的大小，训练模型可能需要几分钟，或几个小时。模型训练完成后，创建微调模型的用户将收到一封电子邮件确认。

除了创建微调模型之外，你还可以列出现有任务、检索任务状态或取消任务。

# List 10 fine-tuning jobs
openai.FineTuningJob.list(limit=10)


# Retrieve the state of a fine-tune
openai.FineTuningJob.retrieve("ft-abc123")


# Cancel a job
openai.FineTuningJob.cancel("ft-abc123")


# List up to 10 events from a fine-tuning job
openai.FineTuningJob.list_events(id="ft-abc123", limit=10)


# Delete a fine-tuned model (must be an owner of the org the model was created in)
import openai
openai.Model.delete("ft-abc123")

使用微调模型

任务成功后，在检索工作详细信息时，你将看到fine_tuned_model字段填充了模型的名称。

你现在可以将此模型指定为Chat完成（用于gpt-3.5-turbo）或旧Completions API（用于babbage-002和davinci-002）中的参数，并使用Playground向其发出请求。

所有步骤完成后，模型可以立即用于推理。

在某些情况下，你的模型可能需要几分钟才能准备好处理请求。如果对模型的请求超时或找不到模型名称，很可能是因为模型仍在加载中。如果发生这种情况，请在几分钟后重试。

import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")


completion = openai.ChatCompletion.create(
  model="ft:gpt-3.5-turbo:my-org:custom_suffix:id",
  messages=[
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Hello!"}
  ]
)


print(completion.choices[0].message)

微调示例

- 风格和语调

在这个例子中，将探讨如何建立一个微调模型，让模型遵循特定的风格和语调指导，而不是仅仅依靠提示。

首先，创建一组示例对话，显示模型应该是什么，如下这个例子是「拼写错误的单词」。

{"messages": [{"role": "system", "content": "Marv is a factual chatbot that is also sarcastic."}, {"role": "user", "content": "What's the capital of France?"}, {"role": "assistant", "content": "Paris, as if everyone doesn't know that already."}]}
{"messages": [{"role": "system", "content": "Marv is a factual chatbot that is also sarcastic."}, {"role": "user", "content": "Who wrote 'Romeo and Juliet'?"}, {"role": "assistant", "content": "Oh, just some guy named William Shakespeare. Ever heard of him?"}]}
{"messages": [{"role": "system", "content": "Marv is a factual chatbot that is also sarcastic."}, {"role": "user", "content": "How far is the Moon from Earth?"}, {"role": "assistant", "content": "Around 384,400 kilometers. Give or take a few, like that really matters."}]}

如果你想效仿并自己创建一个微调模型，至少需要10个示例。

在获得可能改进模型的数据后，下一步是检查数据是否满足所有格式要求。

在对数据进行了格式化和验证，最后的训练步骤是开始创建微调模型。你可以通过OpenAI CLI或SDK之一执行此操作，如下所示：

openai.File.create(file=open("marv.jsonl", "rb"), purpose='fine-tune')


openai.FineTuningJob.create(training_file="file-abc123", model="gpt-3.5-turbo")

一旦训练完成后，你就可以使用自己的微调模型。

- 结构化输出

另一种与微调非常有效的用例是让模型提供结构化信息，如下例子是关于「体育新闻标题」：

{"messages": [{"role": "system", "content": "Given a sports headline, provide the following fields in a JSON dict, where applicable: "player" (full name)", "team", "sport", and "gender".},{"role": "user", "content": "Sources: Colts grant RB Taylor OK to seek trade"},
{"role": "assistant", "content": "{"player": "Jonathan Taylor", "team": "Colts", "sport": "football", "gender": "male" }"},]}
{"messages": [{"role": "system", "content": "Given a sports headline, provide the following fields in a JSON dict, where applicable: "player" (full name)", "team", "sport", and "gender".},{"role": "user", "content": "OSU 'split down middle' on starting QB battle"},
{"role": "assistant", "content": "{"player": null, "team": "OSU", "sport": "football", "gender": null }"},]}

接下来的步骤，如上一个例子：

openai.File.create(file=open("sports-context.jsonl", "rb"), purpose='fine-tune')


openai.FineTuningJob.create(training_file="file-abc123", model="gpt-3.5-turbo")

训练完成后，你可以使用微调模型，并提出一下请求：

import os
import openai
openai.api_key = os.getenv("OPENAI_API_KEY")


completion = openai.ChatCompletion.create(
  model="ft:gpt-3.5-turbo:my-org:custom_suffix:id",
  messages=[
    {"role": "system", "content": "Given a sports headline, provide the following fields in a JSON dict, where applicable: player (full name), team, sport, and gender"},
    {"role": "user", "content": "Richardson wins 100m at worlds to cap comeback"}
  ]
)


print(completion.choices[0].message)

根据格式化的训练数据，响应应如下所示：

{"player": "Sha'Carri Richardson", "team": null", "sport": "track and field", "gender": "female"}

除此之外，在GitHub上斩获了近47k星的「OpenAI Cookbook」（OpenAI API的使用示例和指南），也于第一时间整理出了一份详尽的微调教程。

项目地址：https://github.com/openai/openai-cookbook/blob/main/examples/How_to_finetune_chat_models.ipynb

点击进入—>【目标检测和Transformer】交流群

ICCV / CVPR 2023论文和代码下载

后台回复：CVPR2023，即可下载CVPR 2023论文和代码开源的论文合集

后台回复：ICCV2023，即可下载ICCV 2023论文和代码开源的论文合集

目标检测和Transformer交流群成立
扫描下方二维码，或者添加微信：CVer333，即可添加CVer小助手微信，便可申请加入CVer-目标检测或者Transformer 微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF等。
一定要备注：研究方向+地点+学校/公司+昵称（如目标检测或者Transformer+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群

▲扫码或加微信号: CVer333，进交流群
CVer计算机视觉（知识星球）来了！想要了解最新最快最好的CV/DL/AI论文速递、优质实战项目、AI行业前沿、从入门到精通学习教程等资料，欢迎扫描下方二维码，加入CVer计算机视觉，已汇集数千人！

▲扫码进星球
▲点击上方卡片，关注CVer公众号

整理不易，请点赞和在看