大语言模型研究进展综述

1、历史

自20世纪50年代图灵测试被提出以来，研究人员一直在探索和开发能够理解并掌握语言的人工智能技术。

作为重要的研究方向之一，语言模型得到了学术界的广泛研究，从早期的统计语言模型和神经语言模型开始，发展到基于Transformer的预训练语言模型。

2、现状

近年来，研究者们发现通过扩大预训练语言模型的参数量和数据量，大语言模型（Large Language Model）能够在效果显著提升的同时，展示出许多小模型不具备的特殊能力（如上下文学习能力、逐步推理能力等）。

最近，作为代表性的大语言模型应用ChatGPT展现出了超强的人机对话能力和任务求解能力，对于整个AI研究社区带来了重大影响。

3、鸟瞰

3.1 大语言模型的定义

通常来说，大语言模型指的是那些在大规模文本语料上训练、包含百亿级别（或更多）参数的语言模型，例如GPT-3，PaLM，LLaMA等。

3.2 大语言模型与小模型的区别

目前的大语言模型采用与小模型类似的Transformer架构和预训练目标（如 Language Modeling），与小模型的主要区别在于增加模型大小、训练数据和计算资源。

3.3 大语言模型具备“涌现能力”

大语言模型的表现往往遵循扩展法则，但是对于某些能力，只有当语言模型规模达到某一程度才会显现，这些能力被称为“涌现能力”，代表性的涌现能力包括上下文学习、指令遵循、逐步推理等。

3.4 大语言模型取得成功的原因

目前，大语言模型取得如此巨大的成就，我们总结了五方面原因：

1）模型、数据和计算资源的扩展；

2）高效稳定的训练手段；

3）语言模型能力诱导；

4）对齐训练，将大语言模型与人类偏好对齐；

5）工具使用（潜在发展方向）。

4、相关资源

图1 大语言模型发展时间线

4.1 开发大语言模型的公开可用资源

为了帮助大家速览大规模语言模型的发展进程，概要了解模型的训练需求以及总结有助于训练的可用资源。我们简要总结了可以用于开发大语言模型的公开可用资源，包括模型检查点（model checkpoint）或公开接口（API），训练语料库以及代码库。

4.2 检查点的模型（model checkpoint）

对于公开检查点的模型，我们根据模型参数量分成两大类，分别是百亿（10B）参数到千亿（100B）参数模型和大于千亿（100B）参数模型。在每一部分介绍时，我们根据模型的预训练语料、任务，或者评测给出研究不同能力时的推荐模型，并且根据模型原论文罗列了预训练硬件配置。

4.3 公开接口（API）

对于公开接口，我们重点介绍了OpenAI的GPT系列接口，包括GPT-3系列到当前的GPT-4系列，并简要介绍了部分接口之间的关系。

4.4 训练语料库

对于训练语料库，我们简要总结了一列常用于训练大语言模型的公开数据集。我们按照内容将这些数据集分成了六类：书籍类、CommonCrawl类、Reddit link类、维基百科类、代码类和其他。每一类我们都介绍了数据集的内容、大小以及被用于训练的模型。

4.5 代码库

对于代码库，我们搜集了一些用于训练的代码库，包括常用模型库和并行算法库。

项目访问地址：https://github.com/RUCAIBox/LLMSurvey

5、预训练技术

预训练是大语言模型能力的基础。当语言模型的参数量扩展到超千亿级别时，从头预训练一个大语言模型就成为一件十分困难且有挑战的事情。

（1）在数据层面，如何收集尽可能多的高质量语料对预训练模型的效果十分关键。本章从预训练语料的收集出发，主要探讨了数据的多种来源（如对话、代码等）和预处理（清洗与编码），并分析了预训练数据数量、质量、多样性等方面对模型效果的影响。

（2）在模型层面，最引人关注的问题之一即是，为什么大语言模型往往采用 Decoder-Only 架构？本文从 Transformer 做语言模型的主干架构、具体模块和预训练任务三方面向读者们介绍如今大模型的常用方案，并在最后结合文献讨论大家选用 Decoder-Only 架构的原因。

（3）在训练层面，大参数量的模型非常难以优化。研究人员付出众多努力，提出了若干增加训练稳定性，及提升训练效率的方案。本章对 3D 并行、ZeRO 等被集成于 DeepSpeed 等代码库的相关训练技术进行归纳整理，并在最后对如何稳定、高效地预训练一个大语言模型给出建议。

6、微调技术

预训练之后，“适配微调”（adaptation tuning）可以进一步增强大语言模型能力并满足人类偏好。本章主要介绍了两种适配微调技术：指令微调与对齐微调。

图2 指令格式实例示意图

指令微调通过收集指令格式的实例（图2）来微调大模型，大大增强了模型遵循人类指令的能力，能够让模型更好地泛化到未知任务。我们展示了两种收集指令格式实例的方法，并讨论了任务数量、实例数量、实例设计等因素对指令微调效果的影响；同时，我们也总结了指令微调过程中常见的数据集合和训练细节，方便研究者训练自己的模型。

图3 基于人类反馈的强化学习工作流程

对齐微调通过收集人类反馈数据，利用强化学习进一步微调大模型，使模型与人类对齐，更加符合人类的偏好。我们首先讨论了三种常见的对齐标准：有用性、诚实性和无害性，接着展示了三种人类反馈收集方式，最后介绍了基于人类反馈的强化学习流程（图3）。

7、使用技术

图4 两种使用技术上下文学习（ICL）和思维链提示（CoT）的对比

本章介绍了大模型完成训练之后的使用方法。其中的代表性技术是上下文学习，它以自然语言文本的形式给大模型提供任务描述和/或任务示例。我们重点总结了如何设计有效的任务示例来增强大模型通过上下文学习完成下游任务的效果，包括示例的选择、格式以及顺序。我们还从预训练和推理两个阶段讨论了大模型上下文学习能力的来源。

此外，思维链提示也受到广泛关注，它的做法是在提示中添加中间推理步骤来增强大模型在推理任务上的性能。根据提示中是否存在样例，思维链提示的使用场景可以分为少样本和零样本两种情况。我们还讨论了思维链提示的适用场景以及大模型思维链推理能力的来源。