視覺語言指令微調(diào)數(shù)據(jù)如何構(gòu)建?

作者：Goldma 2025-03-21 08:00:00

由于大型語言模型本身可能存在錯誤以及生成數(shù)據(jù)分布的不可控性，對大型語言模型直接輸出的視覺語言指令微調(diào)數(shù)據(jù)進(jìn)行質(zhì)量控制至關(guān)重要。

1、構(gòu)建策略

視覺語言指令微調(diào)數(shù)據(jù)構(gòu)建策略主要有以下兩種：

標(biāo)注適配

由于視覺模型的發(fā)展，已有規(guī)模巨大、多樣性且高質(zhì)量的標(biāo)注數(shù)據(jù)。這些數(shù)據(jù)適合于廣泛的下游任務(wù)，并可容易地改造為指令數(shù)據(jù)。許多工作將已有的標(biāo)注數(shù)據(jù)轉(zhuǎn)化為標(biāo)準(zhǔn)的指令數(shù)據(jù)格式。

指令部分(Instruction)主要用于解釋任務(wù)的本質(zhì)，典型的構(gòu)建方法是手寫，然后作為候選指令池。有些研究使用手寫指令作為種子，以引導(dǎo)LLM進(jìn)行重寫或擴(kuò)展指令池，以增強(qiáng)指令的多樣性。

輸入（Input）由圖像和可選的上下文組成，主要從原始的標(biāo)注數(shù)據(jù)中獲取，以形成指令數(shù)據(jù)的完整部分。

響應(yīng)（Response）對應(yīng)于已標(biāo)注數(shù)據(jù)中的結(jié)果，表示指令數(shù)據(jù)的輸出部分。

如果原始標(biāo)注數(shù)據(jù)滿足用戶的需求，不需要多少改動就可以直接轉(zhuǎn)化。但是，對于特定下游任務(wù)如分類、判斷或簡要Caption，典型的只會生成幾個單詞或簡單句子，此時原始的答案需要基于輸入信息利用LLM進(jìn)行擴(kuò)展，以避免可能得過擬合或其他相關(guān)問題。值得注意的是，有些工作將這樣精簡的響應(yīng)作為正式的指令，因此在指令中選擇融合合適的有限語言解決這類問題。

自我指導(dǎo)Self-Instruct

指令的規(guī)模、多樣性和創(chuàng)造性往往受到現(xiàn)有任務(wù)和相應(yīng)標(biāo)注數(shù)據(jù)的限制，阻礙了使用這些數(shù)據(jù)進(jìn)行調(diào)整的多模態(tài)大型語言模型的通用性。標(biāo)準(zhǔn)指令格式在適應(yīng)不斷變化的現(xiàn)實(shí)世界應(yīng)用場景和滿足用戶需求方面面臨挑戰(zhàn)。因此，為了獲得與現(xiàn)實(shí)世界情況更相關(guān)的額外指令數(shù)據(jù)，自我指導(dǎo)開始整合更廣泛的標(biāo)注數(shù)據(jù)。這種方法將促使大型語言模型生成更多樣化和內(nèi)容豐富的遵循指令數(shù)據(jù)。

具體來說，這種方法利用大型語言模型強(qiáng)大的理解和生成能力。如圖所示，它們根據(jù)模板、大型語言模型等將標(biāo)注信息（如標(biāo)題、邊界框、標(biāo)簽等）組織成關(guān)于圖像的詳細(xì)描述，然后引導(dǎo)僅語言的大型語言模型生成問答對或直接進(jìn)入多輪對話。其中，為了正確引導(dǎo)大型語言模型，這些方法會手動定制詳細(xì)的系統(tǒng)提示和一些示例，并通過上下文學(xué)習(xí)進(jìn)一步提高生成內(nèi)容的質(zhì)量。自我指導(dǎo)消除了對數(shù)據(jù)的嚴(yán)格限制，允許在指令和響應(yīng)中都增加多樣性和復(fù)雜性。

數(shù)據(jù)混合

當(dāng)然，為了在確保指令數(shù)據(jù)具有良好多樣性等屬性的同時擴(kuò)大指令數(shù)據(jù)的規(guī)模，許多方法同時使用上述兩種方法并構(gòu)建大規(guī)模的指令數(shù)據(jù)。最近，一些多模態(tài)大型語言模型甚至將來自不同來源的多組指令數(shù)據(jù)進(jìn)行合并，以進(jìn)一步提高多模態(tài)大型語言模型的性能。

2、構(gòu)建原則

原則 1. 正確性：每個視覺語言指令微調(diào)（VLIT）數(shù)據(jù)（即指令-響應(yīng)對）中的視覺信息和文本內(nèi)容必須完全匹配，確保生成內(nèi)容中對視覺信息或外部知識的描述沒有不準(zhǔn)確之處。

原則 2. 任務(wù)多樣性：視覺語言指令微調(diào)數(shù)據(jù)應(yīng)包含足夠多樣的任務(wù)，包括文本任務(wù)和視覺任務(wù)。

原則 3. 指令多樣性：在視覺語言指令微調(diào)數(shù)據(jù)中，每個任務(wù)必須包含足夠多樣的不同指令句子。

原則 4. 響應(yīng)多樣性：在視覺語言指令微調(diào)數(shù)據(jù)中，每個任務(wù)的響應(yīng)文本需要保持足夠的可區(qū)分性。

原則 5. 指令復(fù)雜性：在視覺語言指令微調(diào)數(shù)據(jù)中，必須確保一些指令文本需要足夠復(fù)雜的邏輯才能完成。

原則 6. 對象/粒度復(fù)雜性：在視覺語言指令微調(diào)數(shù)據(jù)中，指令對象操作的粒度必須表現(xiàn)出足夠的復(fù)雜性。在多模態(tài)場景具備適當(dāng)復(fù)雜度的高質(zhì)量VLIT數(shù)據(jù)可進(jìn)一步引導(dǎo)MLLM在不同粒度上聯(lián)合理解視覺和文本語義。

原則 7. 在視覺語言指令微調(diào)數(shù)據(jù)中，任務(wù)分布需要均勻，不存在明顯的長尾現(xiàn)象。不均衡的數(shù)據(jù)設(shè)置可能導(dǎo)致大型模型中的遺忘現(xiàn)象，嚴(yán)重阻礙其整體性能。

3、構(gòu)建流程

數(shù)據(jù)收集

在收集數(shù)據(jù)時，必須全面考慮標(biāo)注數(shù)據(jù)的類型、來源、規(guī)模和質(zhì)量等因素。這可以確保收集的信息生成符合正確性、多樣性和復(fù)雜性要求的視覺語言指令微調(diào)數(shù)據(jù)。具體而言，經(jīng)過人工審查且廣泛使用的標(biāo)注數(shù)據(jù)可信度更高，不會因標(biāo)注不準(zhǔn)確而導(dǎo)致后續(xù)錯誤。同時，不同類型的標(biāo)注數(shù)據(jù)通常可以擴(kuò)展來定義各種任務(wù)，顯著增強(qiáng)最終視覺語言指令微調(diào)數(shù)據(jù)的多樣性。當(dāng)來自同一來源的多模態(tài)數(shù)據(jù)包含不同類型的標(biāo)注時，甚至可以在原始簡單視覺任務(wù)之上生成更復(fù)雜的上下文和新的任務(wù)類型，確保復(fù)雜性。

指令響應(yīng)生成

當(dāng)提供一幅圖像和相應(yīng)的各種類型的標(biāo)注數(shù)據(jù)時，需要為每種類型的標(biāo)注數(shù)據(jù)設(shè)計合適的模板，以確保插入的標(biāo)注數(shù)據(jù)符合標(biāo)準(zhǔn)語言表示。通過結(jié)合所有標(biāo)注數(shù)據(jù)源，可以獲得對圖像的詳細(xì)且準(zhǔn)確的描述，這對僅使用語言的大型語言模型來說是一個可理解的視覺線索。為確保生成內(nèi)容的多樣性和復(fù)雜性，有必要編寫足夠詳細(xì)的提示來引導(dǎo)大型語言模型，并手動編寫足夠數(shù)量的示例指令-響應(yīng)對。

在系統(tǒng)提示設(shè)計中，遵循正確性、多樣性、復(fù)雜性原則，并通過靈活使用具有不同附加約束（例如，擴(kuò)展知識、負(fù)面樣本、多輪對話等）的系統(tǒng)提示來引導(dǎo)生成器生成更多樣化和復(fù)雜的指令-響應(yīng)對。同時，設(shè)計的上下文示例足夠充分，符合全面性和隨機(jī)性的特點(diǎn)，與所涉及的邊界相對應(yīng)，并提供所有可能場景的適當(dāng)示例，以便生成器能正確理解提示的含義。此外，為了在生成過程中確保足夠的多樣性，還冗余設(shè)置了系統(tǒng)提示和上下文示例的關(guān)鍵點(diǎn)，即多次重復(fù)某些關(guān)鍵點(diǎn)（如不生成不確定內(nèi)容、避免模糊回答等）。