LLaMA模型微调版本 Vicuna 和 Stable Vicuna 解读

Vicuna和StableVicuna都是LLaMA的微调版本，均遵循CC BY-NC-SA-4.0协议，性能方面Stable版本更好些。

CC BY-NC-SA-4.0是一种知识共享许可协议，其全称为"署名-非商业性使用-相同方式共享 4.0 国际"。

即 用的时候要署名原作者，不能商用，下游使用也必须是相同的共享原则。

Vicuna

Vicuna（小羊驼、骆马）是LLaMA的指令微调版本模型，来自UC伯克利，代表模型为Vicuna-13B。

• 博客：Vicuna: An Open-Source Chatbot Impressing GPT-4 with 90% ChatGPT Quality
• 项目代码：https://github.com/lm-sys/FastChat
• 评估方法Paper：https://arxiv.org/pdf/2306.05685.pdf

训练过程

用ShareGPT网站的用户分享的ChatGPT对话记录，70k条对话数据对 LLaMA进行监督质量微调训练，性能超越了LLaMa和Stanford Alpaca，达到了与ChatGPT相似的水平。

1. 从ShareGPT上扒了70k对话语料，将HTML数据转化为markdown并对不合适、低质量的样本进行了过滤，同时对比较长的数据进行了切分，来适应模型的上下文长度；

2. 用Alpaca的代码进行多轮对话训练，使用8-A100，基于Pytorch FSDP训练框架训一天；

   1. 多轮对话训练：任务还是next token prediction，同时loss只计算文本中chatbot输出的部分；
   2. 显存优化：将最大上下文长度从alpac的512调整为2048，然后用 gradient checkpointing 和 flash attention 进行了显存节省。
   3. 省钱：作者使用SkyPilot的算力计算的，就使用了SkyPilot managed spot来降低成本，利用更便宜的spot实例来自动恢复抢占和自动区域切换。13B模型能从$1K节省到$300。
3. 在评估模型方面，之前的评估方式对现在的对话模型不再适用了，作者用MT-Betch一个多轮对话数据集和ChatBot Arena（聊天机器人竞技场）的众包平台进行评估。众包平台上是真实的用户来进行打分，另外因为GPT-4是基于强化学习与人类反馈（RLHF）训练出来的模型，具有较好的与人对齐的能力，所以作者用GPT-4也代替人对其他模型进行评判，从而节省成本。具体可作者论文 Judging LLM-as-a-judge with MT-Bench and Chatbot Arena。

现有不足

1. 推理能力、数学能力不足；
2. 自我感知能力不够、幻觉问题仍然存在；
3. 模型本身可能存在潜在的偏见（比如某些言论不正确，毕竟数据集决定了模型的立场）

Stable Vicuna

Stable Vicuna: https://github.com/Stability-AI/StableLM

基于 Vicuna-13B v0 的RLHF微调版本，由StabilityAI发布。没有训练细节纰漏，但应该比 Vicuna 要更优一些。