通义千问Qwen 2大模型的预训练和后训练范式解析

LLMs，也就是大型语言模型，现在已经发展得挺厉害的。记得最开始的时候，我们只有GPT这样的模型，但现在，我们有了一些更复杂的、开放权重的模型。以前，训练这些模型的时候，我们主要就是做预训练，但现在不一样了，我们还会加上后训练这个阶段。

咱们今天就以通义千问Qwen 2这个模型为例，来好好分析一下Qwen 2的预训练和后训练都是怎么搞的。它在大型语言模型界里算是挺能打的。不过，虽然它很强，但可能因为一些原因，它还没有像国外Meta AI、Microsoft和Google的那些模型那么火。

Qwen 2模型基本情况

Qwen 2有五种不同的规格，就像手机有不同内存大小一样。它有四个常规的模型，参数量分别是5亿、15亿、70亿和720亿。参数就像是模型的大脑细胞，参数越多，模型能处理的信息就越多。除了这些，还有一个专家混合模型，这个模型有57亿参数，其中有14亿是同时工作的。

Qwen 2的一个亮点是它在30种语言上都表现得很好，这就像是个多语言的天才。它还有一个特别大的词汇表，有151,642个标记（tokens）。这比很多其他模型的词汇表都要大，比如Llama 2有32k个标记，Llama 3.1有128k个标记。词汇表越大，模型处理信息的时候就越灵活，尤其是在处理多种语言的时候。

再来看看Qwen 2和其他一些模型在MMLU基准测试上的分数。MMLU是个多项选择题的测试，虽然它有局限性，但大家还是挺喜欢用它来衡量模型的表现的。咱们稍后会详细看看这些分数。

最新开放权重模型的MMLU基准测试分数（较高的值更好）

Qwen 2的预训练过程

Qwen 2团队在7万亿个训练标记上训练了15亿、70亿和720亿参数的模型。这个训练量听起来是不是挺吓人的？对比一下，Llama 2模型只用了2万亿个标记（tokens）来训练，而Llama 3.1模型则用了15万亿个标记。

但是，Qwen 2的5亿参数模型训练得更狠，用了12万亿个标记。研究人员没在更大的数据集上训练其他模型，因为他们发现这样训练效果提升不大，而且计算成本太高，不划算。

在预训练的时候，他们特别注重提高数据质量，比如过滤掉那些质量不高的数据，还有增加数据的多样性。这都是为了确保模型能学到更多有用的东西。

他们还用了一种挺聪明的方法，就是用Qwen模型自己生成一些预训练数据。这样可以让模型更好地理解上下文，以及如何根据指令来做出反应。

训练过程是分两个阶段的。先是常规的预训练，然后是长上下文训练。长上下文训练是在预训练快结束的时候进行的，用的是高质量的、长的数据。这个过程可以把模型处理上下文的能力从4,096个标记提高到32,768个标记，这就像是让模型的记忆力变得更强了。

Qwen 2预训练技术，“持续预训练”指的是两阶段预训练，研究人员从常规预训练开始，然后进行了长上下文持续预训练

Qwen 2的后训练过程

Qwen 2团队用了一种流行的两阶段后训练方法。

第一阶段是监督指令微调（SFT），他们在500,000个示例上进行了2个周期的训练。这个阶段的目标是让模型在特定场景下给出更准确的回答。

 

第二阶段，他们用直接偏好优化（DPO）来让模型更符合人类的偏好。SFT加上DPO的方法因为操作简便，比其他方法（比如带PPO的RLHF）更受欢迎。更多关于DPO的详情，可参见：《LLM 直接偏好优化（DPO）的一些研究》。关于PPO与DPO的对比，可以参见：《大模型对齐：DPO vs PPO》

对齐阶段也分两步走。首先是在现有的数据集上用DPO进行离线训练。然后是在线阶段，模型在训练时生成多个回答，奖励模型在训练过程中实时选择最优的回答。这个过程也叫做“拒绝采样”。

在构建数据集时，他们用了现有的语料库，并且加上了人工标注，来确定SFT的目标回答，以及识别DPO需要的偏好和拒绝回答。研究人员还自己合成了一些人工标注的数据。

此外，团队还用LLM生成了专门针对“高质量文学数据”的问答对，这样就能创建出用于训练的高质量Q&A对。这样可以让模型在处理文学类问题时表现得更好。

Qwen 2后训练技术

现在我们来总结一下，其实Qwen 2这个模型挺有两把刷子的。它和之前的Qwen模型一样，在2023年12月的NeurIPS LLM效率挑战赛上，很多获胜的方法都用了Qwen模型。

说到Qwen 2的训练流程，一个亮点就是他们用合成数据来预训练和后训练。这就像是用模型自己生成的练习题来提高自己的能力。

另外，他们特别注重数据集的质量，而不是一味地追求数据量。这意味着，他们更看重数据的质量而不是数量。在训练模型的时候，他们认为，数据不仅要多，更要精，只有高质量的数据才能帮助模型更好地学习。

所以，Qwen 2的训练团队在这方面做得挺到位的，他们知道怎么用有限的资源来达到最好的效果。这种注重质量的训练方法，值得其他模型训练团队学习。