【大模型】chatglm系列模型基础

前言：2022年11月，斯坦福大学大模型中心对全球30个主流大模型进行了全方位的评测2，GLM-130B 是亚洲唯一入选的大模型。GLM-130B 在准确性和恶意性指标上与 GPT-3 175B持平。chatglm1，2，3代在模型架构上基本一样，本文主要讲解模型结构。

1. 大模型基础知识

1.1 主流预训练模型架构

√是擅长，—是可以做，x是做不了。自编码是利用的上下文信息（双向注意力机制），自回归是从左到右的生成信息（单向注意力机制）。
NLU是自然语言理解，cond gen是条件式生成，uncond gen是无条件式生成

1.2 文本生成评价指标

1.2.1 BLUE（Bilingual Evaluation Understudy）

• 应用：主要用于翻译系统，对比机器翻译输出与参考翻译之间的相似度。
• 原理：主要是对比n-gram，采用不同长度的n-gram加权和的方式计算得分，每一个n-gram得分包含精确匹配率（Precision）和修改程度惩罚（Brevity Penalty）。
  • 精确匹配率（Precision）：衡量生成翻译中的n-gram有多少出现在参考翻译中。精确匹配率的计算方法为：将生成翻译中的n-gram与参考翻译中的n-gram进行比较，统计匹配的数量。
  • 修改程度惩罚（Brevity Penalty）：为了惩罚生成翻译比参考翻译更短的情况，BLEU引入了修改程度惩罚项。它通过计算机器翻译与参考翻译之间的长度差异来调整BLEU的得分。
• 计算公式：$score=BrevityPenalty\ast (\sum (Precisio{n}_i)/N)$，N表示不同长度的n-gram数量。

1.2.2 ROUGE

• 应用：评估自动摘要系统生成的摘要质量的指标。主要目的是衡量自动摘要结果与参考摘要之间的相似程度，从而判断生成的摘要是否包含了关键信息并保持了原文的主旨
• 原理:
  • 召回率（Recall）：以相应的n-gram单位（例如单词或短语）为基准，计算生成摘要中有多少个n-gram出现在参考摘要中，并将其总数作为分子，参考摘要中所有的n-gram总数作为分母。
  • 精确率（Precision）：以相应的n-gram单位为基准，计算生成摘要中有多少个n-gram出现在参考摘要中，并将其总数作为分子，生成摘要中所有的n-gram总数作为分母。
  • F1值：综合考虑召回率和精确率，计算出一个综合指标，即F1值。F1值是召回率和精确率的调和平均。
• 分类：
  • ROUGE-N：衡量n-gram（通常是单词）的重叠率。其中，ROUGE-1表示单个词的重叠，ROUGE-2表示相邻两个词的重叠，以此类推。ROUGE-N主要用于评估生成摘要中与参考摘要中重要短语的重合度，判断摘要的概括能力。
  • ROUGE-L：基于最长公共子序列（Longest Common Subsequence）计算两个摘要之间的相似度。它不仅考虑了重叠的单词和短语，还考虑了它们的顺序关系。ROUGE-L适用于评估生成摘要中保持参考摘要结构和重要信息的能力。
  • ROUGE-S：用于评估生成和参考摘要之间连续子序列的重叠程度。它通过计算包含Skip-bigram的共同片段数来衡量。ROUGE-S在考虑长距离依赖和多样性方面比较有效。
• 案例：
  原文：“AI机器人能够通过深度学习技术从海量数据中学习，并利用自然语言处理技术生成准确流畅的摘要。”
  摘要生成：“AI机器人通过深度学习和自然语言处理技术生成摘要。”
  参考摘要：“AI机器人通过深度学习技术从大量数据中学习，并生成准确流畅的摘要。”
  计算：通过ROUGE-1来衡量召回率，我们可以计算出生成摘要与参考摘要的重叠词数为7，参考摘要中共有8个单词，因此ROUGE-1的召回率为7/8，精确率为7/7，F1值为1。这说明生成的摘要完全覆盖了参考摘要中的所有单词，质量较高。

1.3 Prefix Decoder-only

• Prefix LM
  不同于标准的encoder-decoder模型，prefix LM中编码器会解码器共用一个transformer。Prefix LM在Encoder部分采用Auto Encoding (AE-自编码)模式，即前缀序列中任意两个token都相互可见，而Decoder部分采用Auto Regressive (AR-自回归)模式，即待生成的token可以看到Encoder侧所有token(包括上下文)和Decoder侧已经生成的token，但不能看未来尚未产生的token。
  
• Casual LM
  只涉及到Encoder-Decoder中的Decoder部分，采用Auto Regressive模式。
  
• decoder only
  生成式架构。Decoder-Only 架构还有一个重要特点是可以进行无监督预训练。在预训练阶段，模型通过大量的无标注数据学习语言的统计模式和语义信息。OpenAI的GPT系列（如GPT-4）是Decoder-Only架构的经典例子。

2. GLM

2.1 整体架构

核心思想：GLM 通过添加二维位置编码和允许任意顺序预测空白区域，改进了空白填充预训练。随机mask一些词语（自编码），按照一定的顺序预测mask的词语（自回归），并且GLM打乱了空白区域的预测顺序

二维位置编码：第一个维度对span在原文本中的位置进行编码，第二个维度对token在span中的位置进行编码。

注意力矩阵：在步骤(d)中，Part A采用自编码的形式，但是只能看到A自己的K,V，而对于B，按照自回归的顺序看K,V

2.2 预训练目标

制定了三种针对自回归的预训练目标：

• token-level objective 单词级
• sentence-level objective 句子级
• document-level objective 文档级

2.3 自编码器

相较于transformer的编码器，做了如下改进：

• 调整了LN和残差连接的顺序
• 对于token的预测输出用的是单个的线性层
• 将激活函数由ReLU调整为了GeLUs

参考文献

[1]GLM: General Language Model Pretraining with Autoregressive Blank Infifilling
[2]文本生成评估指标：ROUGE、BLEU详谈