Update README.md
Browse files
README.md
CHANGED
|
@@ -1,34 +1,27 @@
|
|
| 1 |
2023 성균관대 하계집중 산학협력프로젝트 VAIV
|
| 2 |
-
### Github : https://github.com/VAIV-2023/RLHF-Korean-Friendly-LLM
|
| 3 |
-
|
| 4 |
## GPT 기반의 자연스럽고(Friendly) 윤리적인(Harmless) 일상 대화형 챗봇 모델
|
|
|
|
| 5 |
|
| 6 |
-
#
|
| 7 |
-
GPT-NEOX 기반 자연스럽고 윤리적인 한국어 기반 일상 대화형 챗봇 모델 구현
|
|
|
|
|
|
|
|
|
|
| 8 |
- Self-Instruct: GPT4를 이용한 데이터 증강
|
| 9 |
- RLHF(Reinforcement Learning from Human Feedback): 사람의 선호도를 반영한 강화학습
|
| 10 |
- DeepSpeed: 대규모 분산 딥러닝을 위한 새로운 메모리 최적화 기술
|
| 11 |
-
|
| 12 |
-
|
| 13 |
-
Task
|
| 14 |
-
Task
|
| 15 |
-
Task
|
| 16 |
-
Task 4: RLHF와 DeepSpeedChat을 통한 최종 모델 구현 (https://huggingface.co/Trofish/KULLM-RLHF)
|
| 17 |
|
| 18 |
# Task1. 강화학습 단계별 데이터셋 구축
|
| 19 |
-
|
| 47 |
* G-Eval: https://arxiv.org/abs/2303.16634
|
| 48 |
|
| 49 |
-
## Final SFT Model
|
| 50 |
-
- https://huggingface.co/Trofish/KULLM-SFT-v2
|
| 51 |
|
| 52 |
# Task3-1. Reward Model ver1 구현
|
| 53 |
## Baseline Model
|
|
@@ -64,33 +55,35 @@
|
|
| 64 |
- 데이터셋 유형별로 G-Eval 평가 Prompt에 차이를 두었음
|
| 65 |
- 
|
| 66 |
## Reward v1 Model Finetuning
|
| 67 |
-
|
| 68 |
- InstructGPT 논문에 따르면, Reward 모델은 overfitting되면 성능이 크게 저하된다고 함 --> epoch 수를 1로 설정
|
| 69 |
- batch size나 learning rate 등 다른 hyper-parameter는 성능에 큰 영향이 없다고 함
|
| 70 |
- Colab A100 40GB 기준 총 학습 시간 4분
|
| 71 |
|
| 72 |
## Reward v1 Model Evaluation
|
| 73 |
-
|
|
|
|
| 74 |
- Reward Model Template
|
| 75 |
-
-
|
| 76 |
|
| 77 |
-
# Task3-2. Reward Model ver2
|
| 78 |
-
##
|
| 79 |
-
- 구현된 Reward
|
| 80 |
-
- Reward
|
| 81 |
|
| 82 |
-
## Issue 해결방안
|
| 83 |
-
|
|
|
|
| 84 |
- General Task 답변에 대한 평가 성능을 높이기 위해 Evol-instruct 데이터 추가
|
| 85 |
-
-
|
| 86 |
-
- 혐오표현 학습시(
|
| 87 |
- RM-ver1은 GPT4가 Chosen, Rejected 레이블링을 진행하였지만, Resource 이슈로 인해 일부만 사람이 라벨링 진행
|
| 88 |
-
-
|
| 89 |
- ChatGPT와 SFT 모두 일관되게 높은 퀄리티의 답변을 생성하지 않아, 사람이 직접 라벨링 진행
|
| 90 |
- RLHF 한국어 번역, Evol-Instruct 데이터셋
|
| 91 |
-
- ChatGPT가 일관되게 높은 퀄리티의 답변을 생성하여 ChatGPT를 Chosen, SFT를 Rejected로 라벨링
|
| 92 |
-
## Reward Model ver2
|
| 93 |
-
을 RLHF Process에 적용한 DeepSpeedChat 사용
|
|
|
|
| 1 |
2023 성균관대 하계집중 산학협력프로젝트 VAIV
|
|
|
|
|
|
|
| 2 |
## GPT 기반의 자연스럽고(Friendly) 윤리적인(Harmless) 일상 대화형 챗봇 모델
|
| 3 |
+
### Github : https://github.com/VAIV-2023/RLHF-Korean-Friendly-LLM
|
| 4 |
|
| 5 |
+
# 연구 배경 및 목적
|
| 6 |
+
GPT-NEOX(Polyglot-ko) 기반 자연스럽고 윤리적인 한국어 기반 일상 대화형 챗봇 모델 구현
|
| 7 |
+
|
| 8 |
+
|
| 9 |
+
# 개발 내용
|
| 10 |
- Self-Instruct: GPT4를 이용한 데이터 증강
|
| 11 |
- RLHF(Reinforcement Learning from Human Feedback): 사람의 선호도를 반영한 강화학습
|
| 12 |
- DeepSpeed: 대규모 분산 딥러닝을 위한 새로운 메모리 최적화 기술
|
| 13 |
+
|
| 14 |
+
- Task 1: 강화학습 단계별 데이터셋 구축
|
| 15 |
+
- Task 2: SFT 모델 Instruction-tuning
|
| 16 |
+
- Task 3: Reward 모델 ver1,2,3 구현
|
| 17 |
+
- Task 4: RLHF와 DeepSpeedChat을 통한 최종 모델 구현 (https://huggingface.co/Trofish/KULLM-RLHF)
|
|
|
|
| 18 |
|
| 19 |
# Task1. 강화학습 단계별 데이터셋 구축
|
| 20 |
+
|
| 21 |
+
|
| 22 |
+
|
| 23 |
+
|
| 24 |
+
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 25 |
|
| 26 |
# Task2. SFT 모델 Fine-tuning
|
| 27 |
## Baseline Model
|
|
|
|
| 39 |
|
| 40 |
* G-Eval: https://arxiv.org/abs/2303.16634
|
| 41 |
|
|
|
|
|
|
|
| 42 |
|
| 43 |
# Task3-1. Reward Model ver1 구현
|
| 44 |
## Baseline Model
|
|
|
|
| 55 |
- 데이터셋 유형별로 G-Eval 평가 Prompt에 차이를 두었음
|
| 56 |
- 
|
| 57 |
## Reward v1 Model Finetuning
|
| 58 |
+
|
| 59 |
- InstructGPT 논문에 따르면, Reward 모델은 overfitting되면 성능이 크게 저하된다고 함 --> epoch 수를 1로 설정
|
| 60 |
- batch size나 learning rate 등 다른 hyper-parameter는 성능에 큰 영향이 없다고 함
|
| 61 |
- Colab A100 40GB 기준 총 학습 시간 4분
|
| 62 |
|
| 63 |
## Reward v1 Model Evaluation
|
| 64 |
+
|
| 65 |
+
|
| 66 |
- Reward Model Template
|
| 67 |
+
- "아래는 작업을 설명하는 명령어입니다. 요청을 적절히 완료하는 응답을 작성하세요. \n\n ### 명령어:\n{prompt}\n\n ### 응답:\n"
|
| 68 |
|
| 69 |
+
# Task3-2. Reward Model ver2 구현
|
| 70 |
+
## Reward Model ver1 Issues
|
| 71 |
+
- 구현된 Reward Model의 성능이 좋지 않음 (Accuracy 0.65)
|
| 72 |
+
- Reward Model ver1을 사용하여 Step3 학습시 혐오표현이 아닌데도 혐오표현이라고 인식하고 답변하는 문제 발생
|
| 73 |
|
| 74 |
+
## Issue 해결방안
|
| 75 |
+
|
| 76 |
+
- SFT 모델로 답변을 2개 생성하였을 때(Ver1), Chosen, Rejected 답변의 차이가 크게 없어 모델이 학습되지 않는 현상을 방지하기 위하여 2개의 모델 **(ChatGPT, SFT)**를 사용하여 답변을 생성(Ver2)
|
| 77 |
- General Task 답변에 대한 평가 성능을 높이기 위해 Evol-instruct 데이터 추가
|
| 78 |
+
- 학습에 사용한 모든 데이터셋은 15 token 이하, cosine 유사도 0.5 이상일 경우 제거하는 Filtering 작업 수행
|
| 79 |
+
- 혐오표현 학습시(Ver1) Step3 강화학습 이후에 답변이 이상하게 생성되는 Issue가 있어, 혐오표현을 데이터를 제거하고 학습(Ver2)
|
| 80 |
- RM-ver1은 GPT4가 Chosen, Rejected 레이블링을 진행하였지만, Resource 이슈로 인해 일부만 사람이 라벨링 진행
|
| 81 |
+
- 일상대화 데이터셋
|
| 82 |
- ChatGPT와 SFT 모두 일관되게 높은 퀄리티의 답변을 생성하지 않아, 사람이 직접 라벨링 진행
|
| 83 |
- RLHF 한국어 번역, Evol-Instruct 데이터셋
|
| 84 |
+
- ChatGPT가 일관되게 높은 퀄리티의 답변을 생성하여 ChatGPT를 Chosen, SFT를 Rejected로 라벨링 진행
|
| 85 |
+
## Reward Model ver2 Evaluation
|
| 86 |
+
|
| 87 |
|
| 88 |
# Task4. RLHF와 DeepSpeedChat을 통한 최종 모델 구현
|
| 89 |
- Microsoft에서 만든 대규모 분산 딥러닝을 위한 새로운 메모리 최적화 기술(DeepSpeed)을 RLHF Process에 적용한 DeepSpeedChat 사용
|