前言
我带队的整个大模型项目团队超过40人了,分六个项目组,每个项目组都是全职带兼职,且都会每周确定任务/目标/计划,然后各项目组各自做任务拆解,有时同组内任务多时 则2-4人一组 方便并行和讨论,每周文档记录当周工作内容,平时群内随时讨论 1-2周一次语音会,最后通过相关课程不断招募各项目组成员
比如在我司审稿项目之前的工作中,我们依次想尽各种办法微调以下模型(我之外,包括且不限于阿荀、朝阳、三太子、文弱、鸿飞、apple、不染、贾斯丁等)
- 七月论文审稿GPT第1版:通过3万多篇paper和10多万的review数据微调RWKV
- 七月论文审稿GPT第2版:用一万多条paper-review数据集微调LLaMA2 7B最终反超GPT4
- 七月论文审稿GPT第2.5和第3版:分别微调GPT3.5、Llama2 13B以扩大对GPT4的优势
- 七月论文审稿GPT第3.2版和第3.5版:通过paper-review数据集分别微调Mistral、gemma
- 七月论文审稿GPT第4版:通过paper-review数据集微调Mixtral-8x7b,对GPT4胜率超过80%
如上文文末回复一读者的评论所说,“近期 我们一方面 等llama2 70b的结果,一方面 准备提高下数据的质量了”,故有了本文,而如何提高数据质量呢,便是我和我司审稿项目组在3月底登杜甫江阁时所确定的:一个是提高review的质量(从而考虑到可以提高GPT对一篇篇paper的多个review做多聚一摘要出来的大review的质量,由于是设计prompt从而让GPT做多聚一的摘要操作,故可以优化下该prompt),一个是看有没办法可以拿到review出来之前更早期的论文版本
第一部分 提升模型效果的三大要素:prompt、数据质量、训练策略
1.1 让GPT对Review做多聚一操作的摘要prompt的优化
如本文开头所说,当我们把各种模型都微调一遍之后,发现最终还是得回归到数据上,其中一个便是提高review的质量
在我们之前的一系列工作中,我们针对一篇篇论文的多个review做多聚一,且摘要出多个要点,从而,一篇paper 一条review,最后,就可以弄成qa对 去微调开源模型
而之前5k 15k条paper-review数据对中的review,就是根据旧prompt 通过GPT3.5 16K摘要出来的,但之前的旧prompt 比较简单,就4个点
- 重要性和新颖性
- 可能被接收的原因
- 可能被拒绝的原因
- 其他改进建议
现在,想把review摘要的更好些,好提高微调效果,说白了,如果摘要出来的review质量不够高,会非常影响咱们微调模型的效果
总之,咱们的核心目标还是
不断逼近顶会审稿人的视角,以一针见血指出论文的问题、闪光点,从而侧面帮助作者修订论文
在经过反复看一系列论文的review意见之后我个人的反复琢磨,以及七月平台上一系列顶会审稿人对审稿的意见,外加和审稿项目组阿荀、朝阳等人的反复讨论之后,暂定把摘要prompt优化如下(至于完整的prompt设计见七月官网的:大模型商用项目之审稿GPT实战)
- ** How to evaluate the idea of the paper **,
- ** Compared to previous similar works, what are the essential differences **,
- ** How to evaluate the experimental results in the paper **,
- ** Possible reasons for its acceptance **,
- ** Possible reasons for its rejection **,
- ** Other suggestions for improving the quality of the paper **,
- and ** Other important review comments **.
总的思路就是,对于一篇paper,先看它的重要性、新颖性以及与众不同之处;接着看实验是否充分有说服力,然后总结闪光点、不足;最后看如果改进,看往哪几个方面做改进
1.2 论文早期版本的爬取
把各种模型都微调对比一遍之后,最后还是要再次回归到数据上,所以4.3日,我又开始反复琢磨之前阿荀爬下来的review数据
结果当晚意外解决了困扰我和我司审稿项目组一两月的一个问题,即之前没有找到review所对应的论文早期版本(review是旧review 但论文是新论文),而那晚在反复琢磨review数据时,发现可爬到review对应的论文早期版本
从而,也就解决了审稿项目的一个大问题,毕竟我们要的就是这种论文所对应的 最早的审稿版本,这样和review的匹配程度 才能达到100%((至于如何具体爬取见七月官网的:大模型商用项目之审稿GPT实战)
1.3 训练策略
在大模型时代
- 一个技术人保持竞争力的最佳方式就两点:保持对最新技术/paper的跟踪,每天各种大量实践/折腾/实验
- 对于一个组织也是如此,通过项目(大队伍 + 小队伍双重协作),是提高组织战斗力的最佳方式,不然各自为战
// 待更
第二部分 相关工作之PeerRead:根据review给paper的各方面要点打分
paper读多了,便不再唯一关注阅读速度 因为大部分情况下 读的快没啥用(但少部分情况下 还是有用的),更多时候,更重要的是理解效率和理解深度,有时多看看参考文献中的论文,都会很有收获
读多了,便能在某一个时间点达到“量变引起质变”的效果,也就是在面对一个个新技术点时的开窍速度,会越来越快
2.1 康奈尔大学关于论文审稿的工作:特异性很强
- 用PGE方法从人工review中生成预设问题数据
相当于paper =》 人工review =》通过PGE:即llama2 70B提炼预设问题 =》预设问题 - 使用 [paper, 预设问题] 数据训练得到一个能根据不同paper提出不同问题的模型A
相当于让模型A学会根据不同的paper提问(毕竟,每篇review的预设问题不太一样),毕竟提问是门艺术 - 使用 [paper + A产生的预设问题, review] 训练得到模型B
用的时候就是把不同的paper输入模型A来产生对应的预设问题,然后再把paper和预设问题输入模型B来得到review - 和人工review对比词的叠度
// 待更
2.2 PeerRead:根据review给paper的各方面要点打分
昨晚在思考:如何评判一篇论文是否是好论文,或是否可以中稿顶会,然后无意中看到这篇论文:A Dataset of Peer Reviews (PeerRead): Collection, Insights and NLP Applications
可以好好读一下
// 待更