最新开源！更擅长推理的LLaMA大模型，支持中文

news2024/11/20 0:45:33

©PaperWeekly 原创 · 作者 | 李忠利

研究方向 | 自然语言处理

跟大家介绍一下自己最近训练的 LLaMA 模型——BiLLa: A Bilingual LLaMA with Enhanced Reasoning Ability.

Github 地址：

https://github.com/Neutralzz/BiLLa

HuggingFace 模型：

https://huggingface.co/Neutralzz/BiLLa-7B-LLM（语言模型 BiLLa-7B-LLM）

https://huggingface.co/Neutralzz/BiLLa-7B-SFT（指令微调模型 BiLLa-7B-SFT）

注：因 LLaMa 的使用限制，权重下载后不能直接使用，需通过脚本 [1] 转换

BiLLa 是开源的推理能力增强的中英双语 LLaMA 模型。模型的主要特性有：

较大提升 LLaMA 的中文理解能力，并尽可能减少对原始 LLaMA 英文能力的损伤；
训练过程增加较多的任务型数据，利用 ChatGPT 生成解析，强化模型理解任务求解逻辑；
全量参数更新，追求更好的生成效果。

因个人精力有限，我未能将 BiLLa 与当前主流的开源大模型进行充分的对比评测。以下是经过有限的评测分析得出的结论：

BiLLa-7B-LLM 中英语言建模能力显著优于 Chinese-LLaMA-7B [2]；
BiLLa-7B-SFT 中文推理能力显著优于 BELLE-LLaMA-Ext-7B [3] 等模型；
由 GPT4 打分，BiLLa-7B-SFT 在英文指令上得分显著高于 ChatGLM-6B [4]，中文得分持平，但解题与代码得分更高。

模型训练

该模型以原始 LLaMa 模型为基础，进行了如下三个阶段的训练。

第一阶段：扩充中文词表，使用中文预训练语料 Wudao [5]、英文预训练语料 PILE [6]、翻译语料 WMT [7] 的中英数据进行二次预训练。
第二阶段：训练数据在第一阶段基础上增加任务型数据，训练过程中两部分数据保持 1:1 的比例混合。任务型数据均为 NLP 各任务的主流开源数据，包含有数学解题、阅读理解、开放域问答、摘要、代码生成等，利用 ChatGPT API 为数据标签生成解析，用于训练提升模型对任务求解逻辑的理解。
第三阶段：保留第二阶段任务型数据，并转化为对话格式，增加其他指令数据（如 Dolly 2.0 [8]、Alpaca GPT4 [9]、COIG [10] 等），进行对齐阶段的微调。

借鉴 BELLE 之前的工作 [11]，三阶段的训练均为全量参数的更新，未使用 LoRA。

目前开源的模型，BiLLa-7B-LLM 是第二阶段训练完成的语言模型，BiLLa-7B-SFT 是第三阶段训练完成的指令微调模型。

模型评测

2.1 语言建模

通过 Conditional Generation 评估模型的语言建模能力，在纯英文和中英混合的测试集上计算模型的 Perplexity 指标。

纯英文测试集为 1000 条 PILE 语料，中英混合测试集为 1000 条 PILE 加 1000 条 WuDao 语料，测试集数据均未参与 BiLLa 的训练，评测指标如下（数值越低越好）：

2.2 GPT4打分

将 BiLLa-7B-SFT 和 ChatGLM-6B [4] 的模型结果放在一起，由 GPT4 对比两模型结果进行打分。该评测代码基本复用了 FastChat 的评测代码 [12]。

英文评测数据来源于 FastChat 的 80 条问题 [13]，中文评测数据来源于 BELLE 的 1000 条问题 [14]，评测指标如下（数值越高越好）：

▲ GPT4打分结果

2.3 中文复杂推理

这里非常感谢学弟锴锴（PandaLLM [15] 作者）协助完成复杂推理的评测工作！

评测集采用 LogiQA-v2 [16] 与 C3 [17]，两数据集均未参与 BiLLa 的训练，评测指标如下（数值越高越好）：

生成示例

4.1 Case 1

Human：女朋友对男朋友说，我都和你说了 200 次了，你也不长记性，又乱买东西。请问女生对男朋友说了多少次？

Assistant：我不知道具体的数量，但是我可以告诉你，当一个人多次向另一个人表达相同的想法或建议时，他们可能会感到沮丧或失望。如果你希望能够与你的女朋友建立良好的沟通，那么最好的方法可能是倾听她的想法和感受，并尽力理解她的立场。这样，你们就可以一起合作，解决问题，并且在未来更好地沟通。

4.2 Case 2

Human：鸡兔同笼，头共有 10，足共有 28，请问鸡和兔各多少只？

Assistant：设鸡的数量为 x，兔的数量为 y，则有以下两个方程式：

x+y=10（因为总数为 10）

2x+4y=28（因为每只鸡有 2 只脚，每只兔有 4 只脚）

将第一个方程式改写为 x=10-y，代入第二个方程式中：

2(10-y) + 4y = 28

化简得

-2y+20=28

-2y=-8

y=4

将 y 的值代入 x = 10-y，得到

x = 6

所以鸡的数量为 6 只，兔的数量为 4 只。

答案为 6、4。

4.3 Case 3

Human：用 Python 写一个冒泡排序算法

Assistant：这是一个简单的冒泡排序算法的 Python 实现：

def bubble_sort(arr):
    n = len(arr)
    for i in range(n):
        for j in range(0, n-i-1):
            if arr[j] > arr[j+1]:
                arr[j], arr[j+1] = arr[j+1], arr[j]

arr = [3, 5, 2, 8, 1, 6]

bubble_sort(arr)
print("排序后的数组:")
for i in range(len(arr)):
    print("%d" %arr[i])

输出结果为：