作者：Yang You，新加坡国立大学青年教授。他在加州大学伯克利分校获得计算机科学博士学位。
ColossalChat:一个用完整RLHF管道克隆ChatGPT的开源解决方案
像ChatGPT和GPT-4这样的大型AI模型和应用程序在全球范围内非常流行，为技术工业革命和AGI(人工通用智能)的发展奠定了基础。不仅科技巨头竞相发布新产品，学术界和工业界的许多人工智能专家也加入了相关的创业浪潮。生成式AI每天都在快速迭代，不断改进!
然而，OpenAI并没有将其模型开源，这让许多人对模型背后的技术细节感到好奇。
- 我们怎样才能紧跟潮流，参与到技术发展的浪潮中来呢?
- 我们如何降低构建和应用大型AI模型的高昂成本?
- 我们如何保护核心数据和IP不被第三方大模型api泄露?
作为当今领先的开源大型AI模型解决方案，Colossal-AI是第一个开源完整的RLHF管道，包括监督数据收集、监督微调、奖励模型训练和强化学习微调，基于LLaMA预训练模型，并共享最实用的开源项目ColossalChat，与原始的ChatGPT技术解决方案非常相似!
开源地址:https://github.com/hpcaitech/ColossalAI
它包括以下内容:
- 演示:交互式演示，在线试用，无需注册或等待列表。
- 训练代码:开源完整的RLHF训练代码，包括7B和13B模型。
- 数据集:开源的104K中英文双语数据集。
- 推理:对70亿个参数模型进行4位量化推理，只需要4GB GPU内存。
- 模型权重:在单个服务器上仅使用少量计算能力即可实现快速复制。
- 其他更大的模型、数据集和其他优化将迅速更新和添加。
价格实惠，功能强大
ColossalChat只需要不到100亿个参数就可以达到中英文双语熟练程度，在大型语言模型的基础上通过RLHF微调，达到与ChatGPT和GPT-3.5相当的效果。
例如，一个常识测验
用中文回答
写一封电子邮件
写一个算法
完整的ChatGPT克隆方案
尽管GPT系列中的模型(如ChatGPT和GPT-4)非常强大，但它们不太可能是完全开源的。幸运的是，开源社区一直在努力解决这个问题。
例如，Meta已经开源了LLaMA模型，它提供的参数大小从70亿到650亿不等。在大多数基准测试中，130亿个参数模型可以超过1750亿个GPT-3模型。但由于没有指令调优阶段，实际生成的结果并不理想。
斯坦福大学的羊驼通过调用OpenAI的API以自我指导的方式生成训练数据。这个轻量级模型只有70亿个参数，可以以很小的成本对其进行微调，从而实现与GPT-3.5这样有1750亿个参数的大型语言模型类似的会话性能。
然而，现有的开源解决方案只能被视为RLHF(从人类反馈中强化学习)第一阶段的监督微调模型，后续的校准和微调阶段没有执行。此外，Alpaca的训练数据集仅限于英语，这在一定程度上限制了模型的性能。
然而，ChatGPT和GPT-4令人印象深刻的效果是由于在训练过程中引入了RLHF，这增加了生成内容与人类价值观的一致性。
基于LLaMA模型，ColossalChat是第一个实用的开源项目，它包含了一个完整的RLHF过程，用于复制类似ChatGPT的模型，并且是最接近ChatGPT原始技术路线的项目!
训练数据集开源
ColossalChat发布了一个由大约10万对中英文问答组成的双语数据集。数据集是从社交媒体平台上的现实问题场景中收集和清理的，作为种子数据集，并使用自我指导技术进行扩展，注释成本约为900美元。与其他自学方法生成的数据集相比，该数据集包含更真实和多样化的种子数据，并包含更广泛的主题。该数据集既适用于微调，也适用于RLHF训练。通过提供高质量的数据，ColossalChat可以实现更好的对话交互，并支持中文。
RLHF算法复制
RLHF算法复制包括三个阶段:
在RLHF- stage1中，使用前面提到的数据集执行监督指示微调来微调模型。
在RLHF-Stage2中，通过对同一提示的不同输出进行手动排序，训练奖励模型分配相应的分数，然后监督奖励模型的训练。
在RLHF-Stage3中，使用了强化学习算法，这是训练过程中最复杂的部分:
在PPO部分，ColossalChat遵循两个阶段的过程:首先，制造经验阶段，它使用SFT(有监督的微调)、参与者、RM(奖励模型)和批评模型来计算生成的经验并将其存储在缓冲区中。然后是参数更新阶段，使用经验计算策略损失和价值损失。
在PTX部分，ColossalChat计算Actor的输出响应和输入语料库的响应部分之间的交叉熵损失。这种损失被用来在PPO梯度中添加预训练梯度，以保持语言模型的原始性能并防止遗忘。最后，总结了策略损耗、值损耗和PTX损耗，用于反向传播和参数更新。
快速入门
ColossalChat已经以低成本开源了基于LLaMA模型的三个阶段复制ChatGPT的完整代码。
在阶段1中，训练SFT模型:
# Training with a 4-GPU servers
colossalai run — nproc_per_node=4 train_sft.py \
— pretrain “/path/to/LLaMa-7B/” \
— model ‘llama’ \
— strategy colossalai_zero2 \
— log_interval 10 \
— save_path /path/to/Coati-7B \
— dataset /path/to/data.json \
— batch_size 4 \
— accimulation_steps 8 \
— lr 2e-5
在阶段2中，RM训练:
# Training with a 4-GPU servers
colossalai run — nproc_per_node=4 train_reward_model.py \
— pretrain “/path/to/LLaMa-7B/” \
— model ‘llama’ \
— strategy colossalai_zero2 \
— dataset /path/to/datasets
第三阶段，RL算法训练:
# Training with a 8-GPU servers
colossalai run — nproc_per_node=8 train_prompts.py prompts.csv \
— strategy colossalai_zero2 \
— pretrain “/path/to/Coati-7B” \
— model ‘llama’ \
— pretrain_dataset /path/to/dataset
一旦获得了微调后的模型权重，就可以通过量化降低推理的硬件成本，启动在线推理服务，只需要一个大约4GB内存的GPU就可以部署70亿个参数的模型推理服务。
python server.py /path/to/pretrained — quant 4bit — gptq_checkpoint /path/to/coati-7b-4bit-128g.pt — gptq_group_size 128
系统性能优化与开发加速
ColossalChat能够快速跟踪ChatGPT复制的完整RLHF过程，这在很大程度上归功于colossalai基础设施和相关优化技术的底层支持。在相同条件下，与Alpaca使用的FSDP (Fully Sharded Data Parallel)相比，ColossalChat的训练速度可以提高两倍以上。
系统基础建设 Colossal-AI
AI大模型开发系统Colossal-AI为该项目提供了基础支撑。它可以高效、快速地部署基于PyTorch的AI大模型训练和推理，降低大型AI模型应用的成本。colossa - ai是基于加州大学伯克利分校特聘教授James Demmel教授和新加坡国立大学青年教授Yang You教授的专业知识开发的。自开源发布以来，Colossol-AI多次在GitHub Trending上排名第一，GitHub上约有2万颗星，并已成功被SC、AAAI、PPoPP、CVPR和ISC等国际AI和HPC顶级会议接受为官方教程。
Zero+Gemini 减少内存冗余
Colosal - Ai支持ZeRO(零冗余优化器)来提高内存使用效率，使更大的模型能够以更低的成本容纳，而不影响计算粒度和通信效率。自动块机制可以通过提高内存使用效率、降低通信频率和避免内存碎片来进一步提高ZeRO的性能。异构内存空间管理器Gemini支持将优化器状态从GPU内存卸载到CPU内存或硬盘空间，以克服GPU内存容量的限制，扩大可训练模型的规模，降低大型AI模型应用的成本。
LoRA的低成本微调
Colossa - AI包括低秩自适应(LoRA)方法，用于大型模型的低成本微调。LoRA方法假设大型语言模型是过度参数化的，并且在微调过程中参数的变化是一个低秩矩阵。因此，这个矩阵可以分解成两个更小的矩阵的乘积。在微调过程中，固定大模型的参数，只调整低秩矩阵的参数，大大减少了训练所需的参数数量，降低了成本。
低成本量化推理
为了降低推理部署的成本，Colostal - AI使用了GPTQ 4位量化推理。在GPT/OPT/BLOOM模型上，它可以获得比传统RTN(四舍五入到最接近)量化技术更好的Perplexity结果。与普通的FP16推理相比，它可以减少75%的内存消耗，同时只牺牲了少量的吞吐量速度和Perplexity性能。
例如，对于使用4位量化推理的ColossalChat-7B, 70亿个参数模型只需要大约4GB的GPU内存来完成短序列(128个长度的生成)推断，这可以在RTX 3060等普通消费级GPU上完成，只需一行代码。
if args.quant == ‘4bit’:
model = load_quant(args.pretrained, args.gptq_checkpoint, 4, args.gptq_group_size)
如果使用高效的异步卸载技术，则可以进一步降低内存需求，从而可以在成本较低的硬件上推断出更大的模型。
限制
虽然RLHF被进一步引入，但由于计算能力和数据集有限，在某些场景下，实际性能仍有提升空间。
协作
幸运的是，与之前的大型AI模型和尖端技术被少数科技巨头垄断不同，PyTorch、hug Face和OpenAI等开源社区和创业公司也在这一波浪潮中发挥了关键作用。巨量ai借鉴开源社区的成功经验，欢迎各方共同参与建设，拥抱大模型时代!
- 您可以发布一个问题或提交一个拉请求(PR)。
- 加入colossa - ai微信或Slack群，与团队和其他用户交流。
- 请将正式提案发送至邮箱youy@comp.nus.edu.sg
致谢
ColossalChat非常感谢许多现有的作品和杰出的组织。不可思议的斯坦福羊驼项目一直是灵感的源泉。自我指导研究论文为小数据集的强大功能提供了基础。准确的训练后量化来自于GPTQ。感谢Meta AI Research发布了LLaMA模型，Meta的PyTorch和OpenAI为最强大的AI铺平了道路。
免责声明
与斯坦福羊驼相似，我们强调ColossalChat是对开源社区的贡献，仅用于学术研究目的，禁止任何商业用途:
- ColossalChat构建于LLaMA之上，授权仅用于非商业用途。
- 来自OpenAI的模型API的指令数据，以及这些数据的使用条款禁止开发竞争模型。
- 像其他大型语言模型一样，ColossalChat可能会表现出一些常见的缺陷，包括幻觉、毒性和偏见。
参考
[1] Wang, Yizhong, et al. “Self-Instruct: Aligning Language Model with Self Generated Instructions.” arXiv preprint arXiv:2212.10560 (2022).
[2] Touvron, Hugo, et al. “LLaMA: Open and efficient foundation language models.” arXiv preprint arXiv:2302.13971 (2023).
[3] Rohan, Taori, et al. “Stanford Alpaca: An Instruction-following LLaMA model.” arXiv preprint arXiv:2302.13971 (2023).
[4] Hu, Edward J., et al. “Lora: Low-rank adaptation of large language models.” arXiv preprint arXiv:2106.09685 (2021).
[5] Frantar, Elias, et al. “GPTQ: Accurate Post-Training Quantization for Generative Pre-trained Transformers.” arXiv preprint arXiv:2210.17323 (2022).
[6] OpenAI. 2022. ChatGPT. https://openai.com/blog/chatgpt
[7] Rajbhandari, Samyam, et al. “Zero: Memory optimizations toward training trillion parameter models.” SC20: International Conference for High Performance Computing, Networking, Storage and Analysis. IEEE, 2020.
