Stability AI releases StableVicuna, the AI World’s First Open Source RLHF LLM Chatbot

背景介绍

近几个月来，聊天机器人的开发和发布有了很大的进展。从去年春天Character.ai的聊天机器人到11月的ChatGPT和12月的Bard，为聊天调整语言模型所创造的用户体验一直是一个热门话题。开放存取和开源替代品的出现进一步激发了这种兴趣。

开源聊天机器人的当前环境

这些聊天模型的成功得益于两种训练范式：指令微调和通过人类反馈的强化学习（RLHF）。虽然在建立帮助训练这类模型的开源框架方面做出了巨大的努力，如trlX、trl、DeepSpeed Chat和ColossalAI，但目前还缺乏同时应用这两种范式的开放平台和开源模型。在大多数模型中，指令微调是在没有RLHF训练的情况下应用的，因为它涉及到的复杂性。

最近，Open Assistant、Anthropic和斯坦福大学已经开始向公众提供聊天RLHF数据集。这些数据集，再加上trlX提供的直接的RLHF训练，是我们今天在这里介绍的第一个大规模指令微调和RLHF模型的骨干： StableVicuna。

第一个大规模的开源RLHF LLM聊天机器人

我们很自豪地介绍StableVicuna，这是第一个通过人类反馈强化学习（RHLF）训练的大规模开源聊天机器人。StableVicuna是Vicuna v0 13b的进一步指令微调和RLHF训练版本，它是一个指令微调的LLaMA 13b模型。对于感兴趣的读者，你可以在这里找到更多关于Vicuna的信息。

同样，这里有一些基准，显示了与其他类似规模的开源聊天机器人相比，StableVicuna的整体性能。

为了实现StableVicuna的强大性能，我们利用Vicuna作为基础模型，并遵循Steinnon等人和Ouyang等人概述的典型的三阶段RLHF管道。使用三个数据集，通过监督微调（SFT）进一步训练基础Vicuna模型：

OpenAssistant Conversations Dataset (OASST1)，这是一个由人类生成的、经过人类注释的助理式对话语料库，包括161,443条信息，分布在66,497个对话树上，使用35种不同的语言；
GPT4All Prompt Generations，一个由GPT-3.5 Turbo生成的437,605条提示和回应的数据集；
还有Alpaca，这是一个由OpenAI的text-davinci-003引擎生成的52,000条指令和演示的数据集。
我们使用trlx来训练一个奖励模型，该模型首先从我们在以下RLHF偏好数据集上的进一步SFT模型初始化：

OpenAssistant对话数据集（OASST1）包含7213个偏好样本；
Anthropic HH-RLHF，一个关于人工智能助手的有用性和无害性的偏好数据集，包含160800个人类标签；
以及斯坦福人类偏好（SHP），这是一个包含348718个集体人类偏好的数据集，涉及从烹饪到哲学等18个不同主题领域的问题/指令的回应。最后，我们使用trlX进行近似策略优化（PPO）强化学习，对SFT模型进行RLHF训练，得出StableVicuna!

获得StableVicuna-13B

StableVicuna当然是在HuggingFace Hub上! 该模型可作为与原始的LLaMA模型相对应的权重delta下载。要获得StableVicuna-13B，你可以从这里下载权重delta。然而，请注意，你还需要获得原始的LLaMA模型，这需要你使用GitHub repo中提供的链接或在这里单独申请LLaMA权重。一旦你同时拥有了权重delta和LLaMA权重，你就可以使用GitHub repo中提供的脚本将它们结合起来，获得StableVicuna-13B。

除了我们的聊天机器人，我们很高兴能预览我们即将推出的聊天界面，它正处于开发的最后阶段。下面的屏幕截图提供了用户可以期待的一瞥。

我们对持续改进的承诺

这仅仅是StableVicuna的开始! 在未来几周内，我们将对这个聊天工具进行迭代，并在稳定基金会的服务器上部署一个 Discord 机器人。我们鼓励你尝试StableVicuna，并向我们提供有价值的反馈，以帮助我们改善用户体验。目前，你可以通过访问这个链接在HuggingFace空间上尝试这个模型。