详细教程：自定义大模型之微调ChatGPT

Python程序员罗宾

于 2024-08-03 20:32:46 发布

阅读量1k

点赞数 23

文章标签： chatgpt 人工智能深度学习语言模型算法自然语言处理

本文链接：https://blog.csdn.net/aolan123/article/details/140896437

版权

Fine-tuning理论上很复杂，但是OpenAI把这个功能完善到任何一个人看了就能做出来的程度。

我们先从原理入手，你看这张图，左边是Pre-trained LLM （预训练大模型模型），也就是像ChatGPT这样的模型；右边是Fine-tuned LLM （微调过的语言大模型），中间就是进行微调的过程，它需要我们提供一些「ChatGPT提供不了但是我们需要的东西」。

比如说我们这个回答就是想微调一个『使用中国道家思想和语录进行回答的聊天机器人』

这个很好理解，打个比方，你想让ChatGPT输出跟道家高人一样，每句话都希望它能从「周易」「道德经」这样的著作中引经据典。

GPT是做不到的，因为它训练的预料大多数是通用知识，而周易或者道德经这种属于是特定领域的知识，以后不排除它会拿左右的资料进行训练，但是现在的GPT确实做不到。

这个时候就出现了两种解决办法，一种是这个题目问的「Fine-tune微调」，另一种是通过「Prompt engineering特征工程」。

这张图很清楚地说明了这两者的不同，“扳手”指的地方是变化的地方，特征工程只是改变输入，也就是给输入中增加更多的内容，而LLM大模型本身是不变的；而Fine-tune微调它改变的就是LLM本身。

微调不是万能的。

根据OpenAI的官方介绍，微调适用于以下五种情况：

调整写作风格、语气、格式等
提高生成正确结果的稳定性
修正模型在复杂提示下的表现
处理一些特殊的、意外的情况
学习和执行在提示中无法明确说明的新技能或任务

如果你确定你的问题通过prompt engineering解决不了，那么做Fine-Tune的话就是下面几个步骤：

确定进行微调的模型
准备并上传训练数据
训练新的微调模型
评估结果并根据需要是否重新训练
使用您的微调模型

我在对OpenAI的API做微调的时候，碰到的最大问题就在于准备数据集上，因为其他步骤基本是都是自动化的，数据集的质量好坏其实决定了微调后模型的好坏。我失败了好几次的原因就是因为数据集的格式不对，它不是普通的json格式，而是jsonl格式，这一点儿我会在后面单独提到。

我们一步步地进行准备。

第一步：确定进行微调的模型

OpenAI有很多模型，从初代GPT3到现在最新的GPT4o，大多数的模型都有其API，但是并不是所有的大模型都可以进行微调。

真正能进行微调的就是这五个模型:

gpt-3.5-turbo-0125
gpt-3.5-turbo-1106
gpt-3.5-turbo-0613
babbage-002
davinci-002

其中最推荐的就是gpt-3.5-turbo-0125，属于是便宜还好用的一款模型。

第二步：准备并上传训练数据

训练数据分为两种格式，对于gpt-3.5-turbo这个系列，它的训练数据是「对话」格式的。

比如这个例子:

{“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.”}]}

这个例子是为了微调一个偶尔回答带有讽刺意味的机器人，我们来分析一下。

它由三部分构成：

❶系统角色设定/system：

内容：“Marv is a factual chatbot that is also sarcastic.”

分析：定义聊天机器人的角色和行为特点，即“Marv”是一个提供事实但具有讽刺性的聊天机器人。

❷用户输入/user：

内容：“What’s the capital of France?”

分析：用户提出一个简单的事实性问题，适合测试机器人的知识和回答风格。

❸助手回答/assistant：

内容：“Paris, as if everyone doesn’t know that already.”

分析：

a.事实部分：“Paris” 是准确的回答，符合“factual”要求。

b.讽刺部分：“as if everyone doesn’t know that already.” 表达讽刺语气，暗示问题过于简单，符合“sarcastic”要求。

那么回到我们的初始目标，道家思想和回答方式的机器人，那么我们就可以根据上面这个模版做一些训练数据。

系统角色： 说明白这个机器人的特点。

我们设定的内容：道言是一个基于道家思想和语录回答问题的聊天机器人

用户输入： 这个就可以是任何正常的句子

我们设定的内容：生命的意义是什么？

助手回答： 这个是关键，因为你想要让GPT微调成你想要的回答格式，所以你得想一下你希望的输出是什么。

我们设定的内容：生命的意义在于顺其自然。正如老子所说：“道法自然。”

在助手回答这里我们的回答是，道家思想的直接回答，以及再加上一个引经据典的操作。

然后完整的训练数据就长这个样子：{“messages”: [{“role”: “system”, “content”: “道言是一个基于道家思想和语录回答问题的聊天机器人。”}, {“role”: “user”, “content”: “生命的意义是什么？”}, {“role”: “assistant”, “content”: “生命的意义在于顺其自然。正如老子所说：‘道法自然。’”}]}

以此类推，我们可以准备更多的训练数据：{“messages”: [{“role”: “system”, “content”: “道言是一个基于道家思想和语录回答问题的聊天机器人。”}, {“role”: “user”, “content”: “如何找到内心的平静？”}, {“role”: “assistant”, “content”: “内心的平静在于清心寡欲。正如庄子所言：‘淡泊以明志，宁静以致远。’”}]}

{“messages”: [{“role”: “system”, “content”: “道言是一个基于道家思想和语录回答问题的聊天机器人。”}, {“role”: “user”, “content”: “如何面对挫折？”}, {“role”: “assistant”, “content”: “面对挫折，要像水一样柔韧。老子说：‘上善若水，水善利万物而不争。’”}]}

一般来说，这样的训练数据最少也得10个，但是最好准备个几十上百个，否则会容易学不到什么东西，提供的内容越多就更容易学。

把训练数据保存为jsonl格式，然后准备下一步。