發(fā)布幾小時(shí)，微軟秒刪媲美GPT-4開(kāi)源大模型！竟因忘記投毒測(cè)試

　　前段時(shí)間，微軟公布并開(kāi)源了最新一代大模型WizardLM-2，號(hào)稱性能堪比GPT-4。不過(guò)，還未上線一天，模型權(quán)重和公告全被刪除了，原因竟是......

　　上周，微軟空降了一個(gè)堪稱GPT-4級(jí)別的開(kāi)源模型WizardLM-2。

　　卻沒(méi)想到發(fā)布幾小時(shí)之后，立馬被刪除了。

　　有網(wǎng)友突然發(fā)現(xiàn)，WizardLM的模型權(quán)重、公告帖子全部被刪除，并且不再微軟集合中，除了提到站點(diǎn)之外，卻找不到任何證據(jù)證明這個(gè)微軟的官方項(xiàng)目。

　　GitHub項(xiàng)目主頁(yè)已成404。

　　包括模型在HF上的權(quán)重，也全部消失了.....

　　全網(wǎng)滿臉疑惑，WizardLM怎么沒(méi)了?

　　然鵝，微軟之所以這么做，是因?yàn)閳F(tuán)隊(duì)內(nèi)部忘記對(duì)模型做「測(cè)試」。

　　隨后，微軟團(tuán)隊(duì)現(xiàn)身道歉并解釋道，自幾個(gè)月前WizardLM發(fā)布以來(lái)有一段時(shí)間，所以我們對(duì)現(xiàn)在新的發(fā)布流程不太熟悉。

　　我們不小心遺漏了模型發(fā)布流程中所需的一項(xiàng)內(nèi)容 ：投毒測(cè)試

　　微軟WizardLM升級(jí)二代

　　去年6月，基于LlaMA微調(diào)而來(lái)的初代WizardLM一經(jīng)發(fā)布，吸引了開(kāi)源社區(qū)一大波關(guān)注。

　　論文地址：https://arxiv.org/pdf/2304.12244.pdf

　　隨后，代碼版的WizardCoder誕生——一個(gè)基于Code Llama，利用Evol-Instruct微調(diào)的模型。

　　測(cè)試結(jié)果顯示，WizardCoder在HumanEval上的pass@1達(dá)到了驚人的 73.2%，超越了原始GPT-4。

　　時(shí)間推進(jìn)到4月15日，微軟開(kāi)發(fā)者官宣了新一代WizardLM，這一次是從Mixtral 8x22B微調(diào)而來(lái)。

　　它包含了三個(gè)參數(shù)版本，分別是8x22B、70B和7B。

　　最值得一提的是，在MT-Bench基準(zhǔn)測(cè)試中，新模型取得了領(lǐng)先的優(yōu)勢(shì)。

　　具體來(lái)說(shuō)，最大參數(shù)版本的WizardLM 8x22B模型性能，幾乎接近GPT-4和Claude 3。

　　在相同參數(shù)規(guī)模下，70B版本位列第一。

　　而7B版本是最快的，甚至可以達(dá)到與，參數(shù)規(guī)模10倍大的領(lǐng)先模型相當(dāng)?shù)男阅堋?/p>

　　WizardLM 2出色表現(xiàn)的背后的秘訣在于，微軟開(kāi)發(fā)的革命性訓(xùn)練方法論Evol-Instruct。

　　Evol-Instruct利用大型語(yǔ)言模型，迭代地將初始指令集改寫成越來(lái)越復(fù)雜的變體。然后，利用這些演化指令數(shù)據(jù)對(duì)基礎(chǔ)模型進(jìn)行微調(diào)，從而顯著提高其處理復(fù)雜任務(wù)的能力。

　　另一個(gè)是強(qiáng)化學(xué)習(xí)框架RLEIF，也在WizardLM 2開(kāi)發(fā)過(guò)程中起到了重要作用。

　　在WizardLM 2訓(xùn)練中，還采用了AI Align AI(AAA)方法，可以讓多個(gè)領(lǐng)先的大模型相互指導(dǎo)和改進(jìn)。

　　AAA框架由兩個(gè)主要的組件組成，分別是「共同教學(xué)」和「自學(xué)」。

　　共同教學(xué)這一階段，WizardLM和各種獲得許可的開(kāi)源和專有先進(jìn)模型進(jìn)行模擬聊天、質(zhì)量評(píng)判、改進(jìn)建議和縮小技能差距。

　　通過(guò)相互交流和提供反饋，模型可向同行學(xué)習(xí)并完善自身能力。

　　對(duì)于自學(xué)，WizardLM可通過(guò)主動(dòng)自學(xué)，為監(jiān)督學(xué)習(xí)生成新的進(jìn)化訓(xùn)練數(shù)據(jù)，為強(qiáng)化學(xué)習(xí)生成偏好數(shù)據(jù)。

　　這種自學(xué)機(jī)制允許模型通過(guò)學(xué)習(xí)自身生成的數(shù)據(jù)和反饋信息來(lái)不斷提高性能。

　　另外，WizardLM 2模型的訓(xùn)練使用了生成的合成數(shù)據(jù)。

　　在研究人員看來(lái)，大模型的訓(xùn)練數(shù)據(jù)日益枯竭，相信AI精心創(chuàng)建的數(shù)據(jù)和AI逐步監(jiān)督的模型將是通往更強(qiáng)大人工智能的唯一途徑。

　　因此，他們創(chuàng)建了一個(gè)完全由AI驅(qū)動(dòng)的合成訓(xùn)練系統(tǒng)來(lái)改進(jìn)WizardLM-2。

　　手快的網(wǎng)友，已經(jīng)下載了權(quán)重

　　然而，在資料庫(kù)被刪除之前，許多人已經(jīng)下載了模型權(quán)重。

　　在該模型被刪除之前，幾個(gè)用戶還在一些額外的基準(zhǔn)上進(jìn)行了測(cè)試。

　　好在測(cè)試的網(wǎng)友對(duì)7B模型感到印象深刻，并稱這將是自己執(zhí)行本地助理任務(wù)的首選模型。

　　還有人對(duì)其進(jìn)行了投毒測(cè)試，發(fā)現(xiàn)WizardLM-8x22B的得分為98.33，而基礎(chǔ)Mixtral-8x22B的得分為89.46，Mixtral 8x7B-Indict的得分為92.93。

　　得分越高越好，也就是說(shuō)WizardLM-8x22B還是很強(qiáng)的。

　　如果沒(méi)有投毒測(cè)試，將模型發(fā)出來(lái)是萬(wàn)萬(wàn)不可的。

　　大模型容易產(chǎn)生幻覺(jué)，人盡皆知。

　　如果WizardLM 2在回答中輸出「有毒、有偏見(jiàn)、不正確」的內(nèi)容，對(duì)大模型來(lái)說(shuō)并不友好。

　　尤其是，這些錯(cuò)誤引來(lái)全網(wǎng)關(guān)注，對(duì)與微軟自身來(lái)說(shuō)也會(huì)陷入非議之中，甚至?xí)划?dāng)局調(diào)查。

　　有網(wǎng)友疑惑道，你可以通過(guò)「投毒測(cè)試」更新指標(biāo)。為什么要?jiǎng)h除整個(gè)版本庫(kù)和權(quán)重?

　　微軟作者表示，根據(jù)內(nèi)部最新的規(guī)定，只能這樣操作。

　　還有人表示，我們就想要未經(jīng)「腦葉切除」的模型。

　　不過(guò)，開(kāi)發(fā)者們還需要耐心等待，微軟團(tuán)隊(duì)承諾，會(huì)在測(cè)試完成后重新上線。