7.2. Fine-Tuning to follow instructions

이 섹션의 목표는 텍스트 생성뿐만 아니라 지침을 따르도록 이미 사전 훈련된 모델을 미세 조정하는 방법을 보여주는 것입니다. 예를 들어, 챗봇으로서 작업에 응답하는 것입니다.

데이터셋

LLM을 지침에 따라 미세 조정하기 위해서는 LLM을 미세 조정할 지침과 응답이 포함된 데이터셋이 필요합니다. LLM을 지침에 따라 훈련시키기 위한 다양한 형식이 있습니다. 예를 들어:

• Apply Alpaca 프롬프트 스타일 예제:

Below is an instruction that describes a task. Write a response that appropriately completes the request.

### Instruction:
Calculate the area of a circle with a radius of 5 units.

### Response:
The area of a circle is calculated using the formula \( A = \pi r^2 \). Plugging in the radius of 5 units:

\( A = \pi (5)^2 = \pi \times 25 = 25\pi \) square units.

• Phi-3 프롬프트 스타일 예시:

<|User|>
Can you explain what gravity is in simple terms?

<|Assistant|>
Absolutely! Gravity is a force that pulls objects toward each other.

LLM을 이러한 종류의 데이터 세트로 훈련시키는 것은 단순한 원시 텍스트 대신 LLM이 수신하는 질문에 대해 구체적인 응답을 제공해야 함을 이해하는 데 도움이 됩니다.

따라서 요청과 응답이 포함된 데이터 세트로 수행해야 할 첫 번째 작업 중 하나는 해당 데이터를 원하는 프롬프트 형식으로 모델링하는 것입니다. 예:

# Code from https://github.com/rasbt/LLMs-from-scratch/blob/main/ch07/01_main-chapter-code/ch07.ipynb
def format_input(entry):
instruction_text = (
f"Below is an instruction that describes a task. "
f"Write a response that appropriately completes the request."
f"\n\n### Instruction:\n{entry['instruction']}"
)

input_text = f"\n\n### Input:\n{entry['input']}" if entry["input"] else ""

return instruction_text + input_text

model_input = format_input(data[50])

desired_response = f"\n\n### Response:\n{data[50]['output']}"

print(model_input + desired_response)

그런 다음, 항상처럼 데이터셋을 훈련, 검증 및 테스트 세트로 분리해야 합니다.

배치 및 데이터 로더

그런 다음, 훈련을 위해 모든 입력과 예상 출력을 배치해야 합니다. 이를 위해 필요한 것은:

• 텍스트를 토큰화합니다.

• 모든 샘플을 동일한 길이로 패딩합니다(일반적으로 길이는 LLM을 사전 훈련하는 데 사용된 컨텍스트 길이만큼 큽니다).

• 사용자 정의 콜레이트 함수에서 입력을 1만큼 이동시켜 예상 토큰을 생성합니다.

• 훈련 손실에서 제외하기 위해 일부 패딩 토큰을 -100으로 교체합니다: 첫 번째 endoftext 토큰 이후에 모든 다른 endoftext 토큰을 -100으로 대체합니다(왜냐하면 cross_entropy(...,ignore_index=-100)를 사용하면 -100인 타겟을 무시하기 때문입니다).

• [선택 사항] LLM이 답변을 생성하는 방법만 배우도록 질문에 해당하는 모든 토큰을 -100으로 마스킹합니다. Apply Alpaca 스타일에서는 ### Response:까지 모든 것을 마스킹하는 것을 의미합니다.

이렇게 생성한 후, 각 데이터셋(훈련, 검증 및 테스트)을 위한 데이터 로더를 생성할 시간입니다.

사전 훈련된 LLM 로드 및 미세 조정 및 손실 확인

미세 조정을 위해 사전 훈련된 LLM을 로드해야 합니다. 이는 다른 페이지에서 이미 논의되었습니다. 그런 다음, 이전에 사용된 훈련 함수를 사용하여 LLM을 미세 조정할 수 있습니다.

훈련 중에는 에포크 동안 훈련 손실과 검증 손실이 어떻게 변하는지 확인하여 손실이 줄어들고 있는지, 과적합이 발생하고 있는지를 확인할 수 있습니다. 과적합은 훈련 손실이 줄어들고 있지만 검증 손실이 줄어들지 않거나 심지어 증가할 때 발생합니다. 이를 피하기 위해 가장 간단한 방법은 이러한 행동이 시작되는 에포크에서 훈련을 중단하는 것입니다.

응답 품질

이것은 손실 변화를 더 신뢰할 수 있는 분류 미세 조정이 아니기 때문에, 테스트 세트에서 응답의 품질을 확인하는 것도 중요합니다. 따라서 모든 테스트 세트에서 생성된 응답을 수집하고 그 품질을 수동으로 확인하는 것이 좋습니다. 잘못된 답변이 있는지 확인합니다(LLM이 응답 문장의 형식과 구문을 올바르게 생성할 수 있지만 완전히 잘못된 응답을 제공할 수 있다는 점에 유의하십시오. 손실 변동은 이러한 행동을 반영하지 않습니다). 생성된 응답과 예상 응답을 다른 LLM에 전달하여 응답을 평가하도록 요청하는 방식으로 이 검토를 수행할 수도 있습니다.

응답 품질을 검증하기 위해 실행할 다른 테스트:

1. 대규모 다중 작업 언어 이해 (MMLU): MMLU는 인문학, 과학 등 57개 주제에 걸쳐 모델의 지식과 문제 해결 능력을 평가합니다. 다양한 난이도 수준에서 이해도를 평가하기 위해 객관식 질문을 사용합니다.

2. LMSYS 챗봇 아레나: 이 플랫폼은 사용자가 서로 다른 챗봇의 응답을 나란히 비교할 수 있도록 합니다. 사용자가 프롬프트를 입력하면 여러 챗봇이 응답을 생성하여 직접 비교할 수 있습니다.

3. AlpacaEval: AlpacaEval은 고급 LLM인 GPT-4가 다양한 프롬프트에 대한 다른 모델의 응답을 평가하는 자동화된 평가 프레임워크입니다.

4. 일반 언어 이해 평가 (GLUE): GLUE는 감정 분석, 텍스트 함의, 질문 응답 등을 포함한 아홉 가지 자연어 이해 작업의 모음입니다.

5. SuperGLUE: GLUE를 기반으로 하여 SuperGLUE는 현재 모델에 대해 어려운 작업을 포함합니다.

6. 모방 게임 벤치마크 초월 (BIG-bench): BIG-bench는 추론, 번역 및 질문 응답과 같은 영역에서 모델의 능력을 테스트하는 200개 이상의 작업을 포함하는 대규모 벤치마크입니다.

7. 언어 모델의 전체적인 평가 (HELM): HELM은 정확성, 강건성 및 공정성과 같은 다양한 메트릭에 걸쳐 포괄적인 평가를 제공합니다.

8. OpenAI Evals: OpenAI에서 제공하는 오픈 소스 평가 프레임워크로, 사용자 정의 및 표준화된 작업에서 AI 모델을 테스트할 수 있습니다.

9. HumanEval: 언어 모델의 코드 생성 능력을 평가하는 데 사용되는 프로그래밍 문제 모음입니다.

10. 스탠포드 질문 응답 데이터셋 (SQuAD): SQuAD는 모델이 정확하게 답변하기 위해 텍스트를 이해해야 하는 위키피디아 기사에 대한 질문으로 구성됩니다.

11. TriviaQA: 방대한 양의 퀴즈 질문과 답변, 증거 문서로 구성된 데이터셋입니다.

그리고 많은 많은 더 있습니다.

지침 따르기 미세 조정 코드

이 미세 조정을 수행하는 코드의 예는 https://github.com/rasbt/LLMs-from-scratch/blob/main/ch07/01_main-chapter-code/gpt_instruction_finetuning.py에서 찾을 수 있습니다.

참고 문헌

• https://www.manning.com/books/build-a-large-language-model-from-scratch