開源大模型火爆，已有大小羊駝LLaMA、Vicuna等很多可選。

但這些羊駝們玩起來經常沒有ChatGPT效果好，比如總說自己只是一個語言模型、沒有感情blabla，拒絕和用戶交朋友。

歸根結底，是這些模型沒有ChatGPT那么對齊（Alignment），也就是沒那么符合人類用語習慣和價值觀。

為此，港科大LMFlow團隊提出全新對齊算法RAFT，輕松把伯克利Vicuna-7b模型定制成心理陪伴機器人，從此AI會盡力做你的朋友。

相較于OpenAI所用RLHF對齊算法的高門檻，RAFT(Reward rAnked Fine-Tuning)易于實現，在訓練過程中具有較高的穩定性，并能取得更好的對齊效果。

并且任意生成模型都可以用此算法高效對齊，NLP/CV通用。

用在Stable Diffusion上，還能對齊生成圖片和提示詞，讓模型生成更加符合提示詞描述的圖片。

另外，團隊特別提示RAFT的對齊訓練過程中生成與訓練過程完全解耦。

這樣就可以在生成過程中利用一些魔法提示詞 (magic prompts)，讓最終對齊的模型不需要魔法提示詞也能得到好的效果。從而大大減少了提示詞編寫的難度！

可以說，RAFT為AIGC社區的研究者和工作者提供了一種新的可選的AI對齊策略。

RAFT模型對齊

OpenAI在ChatGPT前身Instruct論文中介紹了基于人類反饋的強化學習（RLHF）算法。

首先利用人類標注數據訓練一個打分器 (reward model)，然后通過強化學習算法（如PPO）來調節模型的行為，使得模型可以學習人類的反饋。

但PPO等強化學習算法高度依賴反向梯度計算，導致訓練代價較高，并且由于強化學習通常具有較多的超參數, 導致其訓練過程具有較高的不穩定性。

相比之下，RAFT算法通過使用獎勵模型對大規模生成模型的生成樣本進行排序，篩選得到符合用戶偏好和價值的樣本，并基于這些樣本微調一個對人類更友好的AI模型。

具體而言，RAFT分為三個核心步驟：

（1）數據收集：數據收集可以利用正在訓練的生成模型作為生成器，也可以利用預訓練模型（例如LLaMA、ChatGPT，甚至人類）和訓練模型的混合模型作為生成器，有利于提升數據生成的多樣性和質量。

（2）數據排序：一般在RLHF中我們都擁有一個與目標需求對齊的分類器或者回歸器，從而篩選出最符合人類需求的樣本。

（3）模型微調：利用最符合人類需求的樣本來實現模型的微調，使得訓練之后的模型能夠與人類需求相匹配。

在RAFT算法中，模型利用了更多次采樣 (當下采樣后用以精調的樣本一定時)，和更少次梯度計算（因為大部分低質量數據被reward函數篩選掉了），讓模型更加穩定和魯棒。

同時，在某些情況下, 由于有監督微調本身對于超參數敏感性更低, 有更穩健的收斂性, 在相同reward情況下，RAFT可以擁有更好的困惑度 (perplexity, 對應其生成多樣性和流暢性更好）。

完整算法如下所示：

定制垂直領域GPT

作者在多個任務上進行了實驗，首先是正向影評補全。

作者實驗發現，給出一個電影評論的起始句，RAFT微調后的大模型可以輕松補齊電影評論，而且更加積極和流暢。

如下圖所示，LLaMA未經調整的影評會以隨機概率輸出正面和負面的評論，RAFT和PPO都能夠將評論的態度傾向正面。

在基于Vicuna制作的一個心理陪伴機器人演示中，作者模擬了一個因為考試失利而心情低落的人和機器人在聊天。

可以看到在使用RAFT進行對齊之前，模型說自己沒有情感和感情，拒絕和人類交友。

但是在RAFT對齊之后，模型的共情能力明顯增強，不斷地在安慰人類說，“雖然我是一個AI，但是我會盡力做你的朋友”。

增強Stable Diffusion

除了在語言模型上的對齊能力以外，作者還在擴散模型上驗證了文生圖的對齊能力，這是之前PPO算法無法做到的事情。

原始Stable Diffusion在256x256分辨率生成中效果不佳 ，但經過RAFT微調之后不僅產生不錯的效果，所需要的時間也僅為原版的20%。

對計算資源不足的AIGC愛好者來說無疑是一個福音。

除了提升256分辨率圖片的生成能力以外，RAFT還能夠對齊生成圖片和提示詞，讓模型生成更加符合提示詞描述的圖片。

如下圖所示，給出提示詞“莫奈風格的貓”，原始的stable diffusion生成的圖片里，大多數沒有貓，而是生成了“莫奈風格”的其他作品，這是由于“莫奈作品”中鮮有貓的身影，而stable diffusion沒有完全理解文本的含義。

而經過RAFT微調后，stable diffusion認識到“貓”的概念，所以每張圖片里都會有貓的身影。

RAFT來自香港科技大學統計和機器學習實驗室團隊，也是開源LMFlow模型微調框架的一次重大升級。

LMFlow包括完整的訓練流程、模型權重和測試工具。您可以使用它來構建各種類型的語言模型，包括對話模型、問答模型和文本生成模型等。

自框架發布兩周以來，LMFlow團隊仍在進行著密集的迭代，并在4月9號正式上線了RAFT算法，補齊了AI對齊的訓練流程。

LMFlow框架的逐步完善，將更加便利于科研人員和開發者在有限算力下微調和部署大模型。

論文：https://arxiv.org/abs/2304.06767

GitHub：?https://github.com/OptimalScale/LMFlow?

文檔： ?https://optimalscale.github.io/LMFlow/examples/raft.html?