摘要

本文主要对大模型WizardLM的基本信息进行了简单介绍，展示了WizardLM取得的优秀性能，分析了论文的核心——指令进化方法。

论文概述

基本信息

• 英文标题：WizardLM: Empowering Large Language Models to Follow Complex Instructions
• 中文标题：WizardLM:授权大型语言模型遵循复杂的指令
• 发表时间：2023年4月-arxiv
• 作者单位：北京大学 & 微软
• 论文链接：https://arxiv.org/abs/2304.12244
• 代码链接：GitHub - nlpxucan/WizardLM: Family of instruction-following LLMs powered by Evol-Instruct: WizardLM, WizardCoder and WizardMath

摘要

• 论文展示了使用LLM而不是人工来创建具有不同复杂程度的大量指令数据的途径。
• 从一组初始指令开始，通过进化指令逐步将它们重写为更复杂的指令。然后，将生成的所有指令数据进行混合来微调LLaMA。
• 论文将生成的模型称为WizardLM。
• 在复杂平衡测试平台和Vicuna测试集上的人类评估表明，来自evolution - instruct的指令优于人类创造的指令。
• 通过分析高复杂性部分的人工评估结果，论文证明了WizardLM模型的输出比OpenAI，ChatGPT的输出更受欢迎。在GPT-4自动评估中，WizardLM在29项技能中的17项达到了ChatGPT 90%以上的能力

WizardLM模型性能优越，可以作为text2sql的基座模型，github上有个DB-GPT-Hub项目开源了大模型微调text2sql的pipline，模型支持也有WizardLM模型（这是DB-GPT项目的子项目），其中提供了数据集下载-数据集预处理-模型下载-模型微调-模型权重合并-模型预测-模型评估，如果没有GPU可以使用AutoDL平台按需使用。

• DB-GPT项目：目前已有6.4k star，可以关注一波，目前该项目最新版本——DB-GPT V0.3.7 发布，支持用自然语言分析和查询Excel表格数据

• DB-GPT_Hub项目：目前有200多star，专注于text2sql大模型微调领域，大家也可以去贡献代码，比如模型支持里面也有WizardLM。

WizardLM模型的思想值得借鉴，后面还有模型Code Llama更加出色，后面再介绍。

结果

收集测试集

• 网上收集的指令测试集：总共218个例子，分成了29项类别，比如有数学math、代码生成、写作等等。
• 图3a说明了测试集中实例和技能的分布。测试集由218个实例组成，每个实例都是针对特定技能的指令。
• 图3b比较了和Vicuna小羊驼、Alpaca羊驼

人工打分评估

为了评估WizardLM，在evolution - directive测试集上进行了人类评估。我们在WizardLM和基线之间进行盲两两比较。具体来说，招募了10名受过良好教育的注释员。对于每个注释者，提供了来自Alpaca、Vicuna-7b、WizardLM和ChatGPT的四个响应，这些响应被随机打乱以隐藏其来源。然后评注者根据附录h中的标准判断哪一个回答更好，然后他们应该将四个回答从1到5进行排序(1表示最好)，并允许同等分数的可比较实例。

• 比如图4a中Evol-Instruct testset数据集上，跟ChatGPT相比，WizardLM赢了61次，ChatGPT赢了89次，平局68次。（总共218）

GPT4自动评估

• 如图5a和5b所示，WizardLM-78.0%在evolo-instruct测试集上的性能明显优于Alpaca-7B-71.8%和Vicuna-7B-72.2%(分别优于Alpaca-7B和Vicuna-7B的性能6.2%和5.8%)

• 图6比较了WizardLM和ChatGPT在evolution - directive测试集上的技能水平。结果表明，WizardLM的平均性能达到了ChatGPT的78%，17项技能的容量几乎超过了90%。然而，WizardLM在代码、数学和推理场景方面遇到了困难，显示出与ChatGPT的明显差距。（所以后面有WizardCoder）

结论

本文提出了一种进化算法——evolution-directive，用于生成多种复杂的LLM指令数据。论文证明提出的方法提高了LLM的性能，WizardLM，在高复杂性任务上取得了最先进的结果，在其他指标上取得了具有竞争力的结果。

局限性（评估方法）：本文承认我们的自动GPT-4和人工评估方法的局限性。这种方法对可扩展性和可靠性提出了挑战。此外，我们的测试集可能无法代表LLM可以应用或与其他方法进行比较的所有场景或领域。

更广泛的影响。evolo - instruct可以提高LLM在各个领域和应用中的性能和交互性，但它也可能产生不道德、有害或误导性的指令。因此，我们敦促未来对人工智能进化指令的研究，以解决伦理和社会影响。

核心思想

这个图看着还挺有意思的

很简约

图形化很不错

只不过作为模型核心结构会有点懵

instruction data evolution指令数据演化

输入指令I1-instruction，通过LLM得到答复R1-response

输入指令I2-instruction，通过LLM得到答复R2-response

不断迭代

指令I1如何更新为指令2？

• 通过LLM instruction evolution prompt 指令进化提示词

instruction evolution prompt是什么？

• 参考下方的指令进化器

Automatic Instruction Data Evolution自动指令数据演化

pipline 分成3个部分：

• 1)指令进化
• 2)响应生成
• 3)消除进化，即过滤无法进化的指令。

指令进化instruction evolution

作者发现LLM可以使用特定的提示使给定的指令变得更加复杂和困难。此外，它们可以生成同样复杂但完全不同的全新指令。

利用这一发现，我们可以迭代地进化一个初始指令数据集，提高难度水平，扩大其丰富性和多样性。

1.用给定的初始指令数据集D(0)初始化指令池。

2.在每个进化时期，从前一个时期升级的指令从池中取出。

3.然后利用指令进化器instruction evolver来进化每条获取到的指令，并利用指令消除器instruction eliminator来检查是否存在进化失败的指令。

• 成功进化的指令被添加到池中
• 不成功的指令被放回原处，希望在下一个进化时期成功升级它们。

指令进化器instruction evolver

指令进化器是一种LLM，它使用提示来进化指令，有两种类型:深度进化和广度进化。

深度进化

深度进化通过五种类型的提示来增强指令的复杂性和难度:

• 添加约束
• 使得深度化
• 使得具体化
• 增加推理步骤
• 使输入变得复杂化。

举例子：

• 这是添加约束add contraints：

I want you act as a Prompt Rewriter.
Your objective is to rewrite a given prompt into a more complex version to make those famous AI systems (e.g., ChatGPT and GPT4) a bit harder to handle.
But the rewritten prompt must be reasonable and must be understood and responded by humans.
Your rewriting cannot omit the non-text parts such as the table and code in #Given Prompt#:. Also, please do not omit the input in #Given Prompt#.
You SHOULD complicate the given prompt using the following method:
Please add one more constraints/requirements into #Given Prompt#
You should try your best not to make the #Rewritten Prompt# become verbose, #Rewritten Prompt# can only add 10 to 20 words into #Given Prompt#.
‘#Given Prompt#’, ‘#Rewritten Prompt#’, ‘given prompt’ and ‘rewritten prompt’ are not allowed to appear in #Rewritten Prompt#
#Given Prompt#:
<Here is instruction.>
#Rewritten Prompt#:

• 这是Deepening Prompt深化：

I want you act as a Prompt Rewriter.
Your objective is to rewrite a given prompt into a more complex version to make those famous AI systems (e.g., ChatGPT and GPT4) a bit harder to handle.
But the rewritten prompt must be reasonable and must be understood and responded by humans.
Your rewriting cannot omit the non-text parts such as the table and code in #Given Prompt#:. Also, please do not omit the input in #Given Prompt#.
You SHOULD complicate the given prompt using the following method:
If #Given Prompt# contains inquiries about certain issues, the depth and breadth of the inquiry can be increased. or
You should try your best not to make the #Rewritten Prompt# become verbose, #Rewritten Prompt# can only add 10 to 20 words into #Given Prompt#.
‘#Given Prompt#’, ‘#Rewritten Prompt#’, ‘given prompt’ and ‘rewritten prompt’ are not allowed to appear in #Rewritten Prompt#
#Given Prompt#:
<Here is instruction.>
#Rewritten Prompt#:

• 这是具体化Concretizing Pormpt：

I want you act as a Prompt Rewriter.
Your objective is to rewrite a given prompt into a more complex version to make those famous AI systems (e.g., ChatGPT and GPT4) a bit harder to handle.
But the rewritten prompt must be reasonable and must be understood and responded by humans.
Your rewriting cannot omit the non-text parts such as the table and code in #Given Prompt#:. Also, please do not omit the input in #Given Prompt#.
You SHOULD complicate the given prompt using the following method:
Please replace general concepts with more specific concepts. or
You should try your best not to make the #Rewritten Prompt# become verbose, #Rewritten Prompt# can only add 10 to 20 words into #Given Prompt#.
‘#Given Prompt#’, ‘#Rewritten Prompt#’, ‘given prompt’ and ‘rewritten prompt’ are not allowed to appear in #Rewritten Prompt#
#Given Prompt#:
<Here is instruction.>
#Rewritten Prompt#:

• Increased Reasoning Steps Prompt:

I want you act as a Prompt Rewriter.
Your objective is to rewrite a given prompt into a more complex version to make those famous AI systems (e.g., ChatGPT and GPT4) a bit harder to handle.
But the rewritten prompt must be reasonable and must be understood and responded by humans.
Your rewriting cannot omit the non-text parts such as the table and code in #Given Prompt#:. Also, please do not omit the input in #Given Prompt#.
You SHOULD complicate the given prompt using the following method:
If #Given Prompt# can be solved with just a few simple thinking processes, you can rewrite it to explicitly request multiple-step reasoning.
You should try your best not to make the #Rewritten Prompt# become verbose, #Rewritten Prompt# can only add 10 to 20 words into #Given Prompt#.
‘#Given Prompt#’, ‘#Rewritten Prompt#’, ‘given prompt’ and ‘rewritten prompt’ are not allowed to appear in #Rewritten Prompt#
#Given Prompt#:
<Here is instruction.>
#Rewritten Prompt#:

• 这是complicating input：

I want you act as a Prompt Rewriter.
Your objective is to rewrite a given prompt into a more complex version to make those famous AI systems (e.g., ChatGPT and GPT4) a bit harder to handle.
But the rewritten prompt must be reasonable and must be understood and responded by humans.
You must add [XML data] format data as input data in [Rewritten Prompt]
#Given Prompt#:
<Here is Demonstration instruction 1.>
#Rewritten Prompt#:
<Here is Demonstration Example 1.>
... N -1 Examples ...
I want you act as a Prompt Rewriter.
Your objective is to rewrite a given prompt into a more complex version to make those famous AI systems (e.g., ChatGPT and GPT4) a bit harder to handle.
But the rewritten prompt must be reasonable and must be understood and responded by humans.
You must add [#Given Dataformat#] format data as input data, add [#Given Dataformat#] code as input code in [Rewritten Prompt]
Rewrite prompt must be a question style instruction
#Given Prompt#:
<Here is instruction.>
#Rewrite prompt must be a question style instruction Rewritten Prompt(MUST contain a specific JSON data as input#:

广度进化

I want you act as a Prompt Creator.
Your goal is to draw inspiration from the #Given Prompt# to create a brand new prompt.
This new prompt should belong to the same domain as the #Given Prompt# but be even more rare.
The LENGTH and difficulty level of the #Created Prompt# should be similar to that of the #Given Prompt#. The #Created Prompt# must be reasonable and must be understood and responded by humans.
‘#Given Prompt#’, ‘#Created Prompt#’, ‘given prompt’ and ‘created prompt’ are not allowed to appear in #Created Prompt#.
#Given Prompt#:
<Here is instruction.>
#Created Prompt#:

生成response

• 使用与进化相同的LLM来为进化的指令生成相应的响应。生成提示符是" <Here is instruction.> "。

消除进化

有以下4种情况归类为失败：

• 指令进化失败;与原始指令相比，进化后的指令没有提供任何信息增益。我们使用ChatGPT进行此确定。
• 进化的指令使得LLM很难产生响应。我们发现，当生成的响应包含“sorry”并且长度相对较短(即少于80个单词)时，它通常表明LLM努力响应进化的指令。所以我们可以用这个规则来做判断。
• LLM生成的响应只包含标点和停止词。
• 进化指令显然从进化提示中复制了一些单词，如“给定提示”、“重写提示”、“#重写提示#”等。

baseline

• ChatGPT

• • OpenAI
  • AI bot
  • 基于GPT-3.5 or GPT-4

• Alapaca

• • 开源模型，基于LLaMA
  • 斯坦福大学Standford University

• Vicuna

• • 开源的chat bot
  • 基于LLaMA

参考文献

WizardLM论文：https://arxiv.org/abs/2304.12244

DB-GPT项目：https://github.com/eosphoros-ai/DB-GPT/blob/main/README.zh.md

DB-GPT-Hub项目：GitHub - eosphoros-ai/DB-GPT-Hub: A repository that contains models, datasets, and fine-tuning techniques for DB-GPT, with the purpose of enhancing model performance, especially in Text-to-SQL.