前段时间,微软搞了个乌龙:隆重地开源了 WizardLM-2,又在不久后撤回得干干净净。
据现在可以查到的 WizardLM-2 宣布信息,这是一个「真正媲美 GPT-4」的开源大模型,在复杂谈天、多语言、推理和代理方面的机能得到了提高。
该系列包括三个模型:WizardLM-2 8x22B、WizardLM-2 70B 和 WizardLM-2 7B。其中:
WizardLM-2 8x22B 是最先进的模型,也是对高度复杂任务进行内部评价后得出的最佳开源 LLM。
WizardLM-2 70B 具备顶级推理能力,是同等规模的首选;
WizardLM-2 7B 是速度最快的,其机能可与现有的 10 倍大的开源领先模型相媲美。
此外,通过人类偏好评价,WizardLM-28x22B 的能力「只是稍微落后于 GPT-4-1106 预览版,但明显强于 CommandRPlus 和 GPT4-0314。」
它会和 LLaMa 3 一样,成为又一开源里程碑吗?
当大家忙着下载模型的时候,团队却突然撤回了一切:博客、GitHub、HuggingFace 全部 404。
图源:https://wizardlm.github.io/WizardLM2/
团队的解释是:
所有 Huggingface 的朋友们,大家好!很抱歉,我们简略了模型。我们已经有一段时间没有宣布几个月前的模型了,所以我们现在不熟悉新的宣布流程:我们不小心遗漏了模型宣布流程中的一个必要项目 — 毒性尝试。这是目前所有新模型都需要完成的一个步骤。
我们目前正在快速完成这项尝试,然后将尽快重新宣布我们的模型。不用担心,感谢关心和理解。
但 AI 社区对 WizardLM-2 的关注和讨论没有停止,疑点有几个:
第一,被删掉的开源项目不只是 WizardLM-2,该团队所有的 Wizard 系列工作都不见了,包括此前的 WizardMath 和 WizardCoder。
第二,有人质疑,简略模型权重的同时,为何连博客也简略呢?如果是只是缺少尝试部分,没必要撤回得干干净净。
团队的解释是:「根据相关规定。」具体什么规定?目前没人知道。
第三,还有人推测 WizardLM 背后的团队已经被解雇,撤回 Wizard 系列项目也是被迫的。
不过,这种推测被团队否认了:
图源:https://x.com/_Mira___Mira_/status/1783716276944486751
图源:https://x.com/DavidFSWD/status/1783682898786152470
而且我们现在搜索作者的名字,也并没有从微软官网中完全消失:
图源:https://www.microsoft.com/en-us/research/people/qins/
第四,有人推测,微软撤回这个开源模型,一是因为机能过于接近 GPT-4,二是因为和 OpenAI 的技术路线「撞车」了。
具体是什么路线呢?我们可以看一下当初博客页面的技术细节。
团队表示,通过 LLM 训练,自然界中人类生成的数据日益枯竭,而 AI 精心创建的数据和 AI Step-by-Step 监视的模型将是通往更强大 AI 的唯一途径。
过去的一年里,微软团队建立了一个完全由人工智能驱动的合成训练系统,如下图所示。
大概分为几个版块:
数据预处理:
数据分析:使用这个 pipeline 来获得新源数据的不同属性的分布,这有助于对数据有一个初步的了解。
加权采样:最佳训练数据的分布往往与人类谈天语料的自然分布不一致,需要根据实验经验调整训练数据中各属性的权重。
Evol Lab:
Evol-Instruct:投入了大量精力重新评价了最初 Evol-Instruct 方法中存在的各种问题,并对其进行了初步修改,新方法能让各种智能体自动生成高质量的指令。
Evol-Answer:引导模型多次生成和重写回复,可以提高其逻辑性、正确性和亲和力。
AI Align AI(AAA):
协同教学:收集 WizardLM 和各种授权开源和专有的最先进模型,然后让它们协同教学并相互提高,教学内容包括模拟谈天、质量评判、改进建议和缩小技能差距等。
Self-Teaching:WizardLM 可以通过激活进修,为监视进修生成新的进化训练数据,为加强进修生成偏好数据。
进修:
监视进修。
阶段 – DPO:为了更有效地进行离线加强进修,将优选数据分割成不同的片段,并逐级改进模型。
RLEIF:采用指令质量奖励模型(IRM)与过程监视奖励模型(PRM)相结合的方法,使得在线加强进修中实现更精确的正确性。
最后要说的是,任何推测都是徒劳的,让我们期待一下 WizardLM-2 的复出吧。