随着自监督学习的进步、预训练语料库中数万亿标记的可用性、指令微调以及具有数十亿参数的大型Transformer的发展,大型语言模型(LLMs)现在能够生成符合事实且连贯的人类查询响应。然而,训练数据质量参差不齐可能导致生成不良响应,成为一个重大挑战。在过去的两年里,从不同角度提出了各种方法来增强LLMs,特别是在使其与人类期望对齐方面。尽管做出了这些努力,但尚未有一篇综合性调查论文对这些方法进行分类和详细说明。在本工作中,我们旨在填补这一空白,将这些论文分类为不同主题,并提供每种对齐方法的详细解释,从而帮助读者全面了解该领域的现状。
在过去的几十年中,通过自监督学习对大型语言模型(LLMs)进行的预训练取得了显著进展。这些进步得益于更大的仅解码Transformer的开发、数万亿标记的利用以及跨多个GPU的计算并行化。在预训练阶段之后,使用指令微调来指导LLMs响应人类查询。尽管取得了这些进展,但一个关键问题仍未解决:LLMs可能会生成不良响应,例如提供实施非法活动的指令。为降低这种风险,将LLMs与人类价值观对齐至关重要。从人类反馈中进行强化学习(RLHF)已成为对齐LLMs的突破性技术**。这种方法促进了强大模型的发展,如GPT-4、Claude和Gemini。自RLHF引入以来,许多研究探索了进一步对齐LLMs的各种方法。然而,尚未有一篇综合性评论文章对这些对齐方法进行系统性评审。本文旨在填补这一空白,通过分类回顾现有文献并对个别论文进行详细分析。本文将我们的综述分为四个主要主题:1. 奖励模型;2. 反馈;3. 强化学习(RL);4. 优化。每个主题进一步划分为如图1所示的子主题。对于奖励模型,子主题包括:1. 显式奖励模型与隐式奖励模型;2. 点对点奖励模型与偏好模型;3. 响应级别奖励与标记级别奖励;4. 负偏好优化。关于反馈,子主题包括:1. 偏好反馈与二元反馈;2. 成对反馈与列表反馈;3. 人类反馈与AI反馈。在RL部分,子主题包括:1. 基于参考的RL与无参考RL;2. 长度控制RL;3. RL中的不同散度;4. 在线RL与离线RL。对于优化,子主题包括:1. 在线/迭代偏好优化与离线/非迭代偏好优化;2. 分离SFT与对齐与合并SFT与对齐。表1使用这些13个评价指标对所有详细回顾的论文进行了分析。
分类大纲
这一部分简要介绍了LLM对齐的关键要素,使读者能够理解基本术语和各种现有的研究方向。主要包括四个方向:1. 奖励模型,2. 反馈,3. 强化学习策略,4. 优化。
2.1 奖励模型
奖励模型是一个经过微调的LLM,它根据提示和生成的响应分配分数。在本小节中,我们将讨论:
- 使用显式或隐式奖励模型,
- 采用点对点奖励模型或偏好模型,
- 使用标记级别或响应级别的奖励模型,
- 仅通过负偏好训练奖励模型。
这些不同奖励模型的图表见图2。
2.2 反馈
反馈包括来自人类或AI的偏好和二元响应,可以是成对或列表的形式。在本小节中,我们将讨论三个关键区别:
- 偏好反馈与二元反馈,
- 成对反馈与列表反馈,
- 人类反馈与AI反馈。
这些反馈的图表见图3。
2.4 优化
LLMs的对齐过程涉及优化。本节将讨论两个关键子主题:
- 迭代/在线偏好优化与非迭代/离线偏好优化,
- 分离SFT(监督微调)与对齐与合并SFT与对齐。
这些优化子主题的图表见图4。
如何系统的去学习大模型LLM ?
大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业
?”“谁的饭碗又将不保了?
”等问题热议不断。
事实上,抢你饭碗的不是AI,而是会利用AI的人。
继科大讯飞、阿里、华为
等巨头公司发布AI产品后,很多中小企业也陆续进场!超高年薪,挖掘AI大模型人才! 如今大厂老板们,也更倾向于会AI的人,普通程序员,还有应对的机会吗?
与其焦虑……
不如成为「掌握AI工具的技术人
」,毕竟AI时代,谁先尝试,谁就能占得先机!
但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高。
针对所有自学遇到困难的同学们,我帮大家系统梳理大模型学习脉络,将这份 LLM大模型资料
分享出来:包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程
等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓
一、LLM大模型经典书籍
AI大模型已经成为了当今科技领域的一大热点,那以下这些大模型书籍就是非常不错的学习资源。
二、640套LLM大模型报告合集
这套包含640份报告的合集,涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)
三、LLM大模型系列视频教程
四、LLM大模型开源教程(LLaLA/Meta/chatglm/chatgpt)
LLM大模型学习路线 ↓
阶段1:AI大模型时代的基础理解
-
目标:了解AI大模型的基本概念、发展历程和核心原理。
-
内容:
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2:AI大模型API应用开发工程
-
目标:掌握AI大模型API的使用和开发,以及相关的编程技能。
-
内容:
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3:AI大模型应用架构实践
-
目标:深入理解AI大模型的应用架构,并能够进行私有化部署。
-
内容:
- L3.1 Agent模型框架
- L3.2 MetaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4:AI大模型私有化部署
-
目标:掌握多种AI大模型的私有化部署,包括多模态和特定领域模型。
-
内容:
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 LLM大模型资料
包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程
等, 😝有需要的小伙伴,可以 扫描下方二维码领取🆓↓↓↓