导读

大语言模型日益火爆，学者们的研究方向是指明灯。那么相关大模型重要项目的主要贡献者怎么看？6月9日的北京智源大会“基础模型前沿技术”论坛邀请了T5、RoBERTa、悟道·天鹰、紫东太初、CPM等重要模型工作作者出席。

图注：五位嘉宾现场讨论，包括：清华大学副教授、智源学者刘知远；Birch.ai核心创始人及CTO刘胤焓；中科院自动化所研究员刘静；谷歌研究科学家周彦祺；上海交通大学清源研究院副教授刘鹏飞（连线）

这些青年学者就大模型时代的科研重点和难点，以及从创业公司、大厂、高校、科研院所等等如何看待大模型带来的机会，发表了看法。在现场，学者们给出了非常走心的技术建议与发言。

· 多方消息证明，GPT-4是个稀疏模型。——周彦祺

· 大模型想要获得认知能力，必须要从单模态走向多模态。——刘静

· 我们应对甲方是：卑微到尘埃，有求必应，随叫随到。——刘胤焓

· 个人认为奖励模型非常重要，RLHF不太重要。——刘鹏飞

· 基础模型已经成为AI大模型时代的“CPU”，是单一“产品”投入最大的部分。——林咏华

刘胤焓：利用RLHF建立实时的AI系统

近年来大语言模型在prompt-tuning和fine-tuning方向的研究有很多，而在本次报告中，来自BirchAI的刘胤焓从产品和客户的角度阐释了大语言模型在RLHF中的价值。

当今世界是一个人与机器共存的时代，由于机器对于人类社会理解的局限，短期内机器无法完全取代人类，更多的是作为人类的助手而存在。作为助手，通用的大语言模型虽然可以很好地完成一些通用的任务，但对于个体用户，某些专业领域用户以及公司用户的个性服务尚且有所欠缺。对此，建立一个实时的AI系统可以很好地提供一个解决方案。

实时的AI系统可以可以量化的收集到客户信息，并根据客户的修改次数评估AI的生成是否符合客户的要求。利用这些信息提供的数据，通过强化学习来训练模型，从而产出个更为性化的生成。

用一个例子解释如何应用人类反馈信息和大语言模型搭建实时系统：以用户向客服提出退货申请为例，大模型可以查找用户以往的数据，并根据公式政策决定是否同意退货或者给用户优惠，但通常人工客服给用户的回答更加人性化，此时，如果搭建实时系统，模型就能够吸收人工客服的回答，并通过强化学习来进行模仿输出。并且，模型可以通过追踪不同用户后续的表现，来判断哪种客服的回答更能留住客户，从而相应地提高训练权重。

在技术层面上，基于OpenAI去年3月份的InstructGPT的论文，以及PPO方法，Birch建立了自己的系统，并且得到了一个比初始SFT更好的Policy。他们的评估策略来自于用户的反馈。总的来说，PPO可以理解为，在文章“价值”一定的情况下，让每个文字更加出彩。

刘胤焓认为，现在生成式 AI只能提供一个解决方案，我们真正需要的是搭建一个平台，使AI可以更高效地帮助人类节省时间。今后大语言模型应当成为一个平台、一个生态系统而不仅仅是一个文本的输出。

周彦祺：通过稀疏的MoE模型扩大LLM

纵观深度学习发展史，深度学习的发展其实建立在硬件的发展之上，硬件的快速发展也促成了近年来大模型的蓬勃发展。然而，近年来我们正在接近摩尔定律极限，因此，不能再通过简单地将参数翻倍或将标记（Token）翻倍来大幅度地持续扩展密集型大语言模型。这是一个非常低效的、不太可持续的方式。我们需要一种更可持续的方式来扩展大语言模型。

百度的一篇论文显示，在给定模型的大小和总训练数据的情况下，模型的性能是可预测的。几年后，openAI也基于扩大计算资源、数据集大小，以及参数规模给出了大模型的扩大法则（Scaling Law）。这使得更多的公司和机构可以训练自己的大模型。

比如，谷歌的T5模型。T5模型保留了原始Transformer的大多数架构，它最大的贡献之一，是将所有NLP任务都描述为文本到文本（text-to-text）的任务。T5的另一个贡献是开源了C4数据集，这些数据实际上使整个研究界受益匪浅。

从T5开始，大公司间的竞争越来越激烈。T5拥有11B的参数，GPT-3有175B，而2022年发布的PaLM有540B。但稠密模型超过500亿参数非常困难。多方消息验证，即使是GPT4也是稀疏架构。

所以周彦祺分享了通过稀疏模型MoE（Mixture-of-Experts layer, 专家混合型）扩大大语言模型的方法。以GLaM模型为例，它包含1.2T个参数，但实际上被激活的参数（activated parameters）只有97B，远少于GPT-3，也就是说，它是稀疏激活的MoE。它与GPT-3同样是只有解码器的模型，但与GPT-3相比，GlaM获得了更好的性能。

但Token-based MoE 也有局限性，糟糕的专家路由策略（例如导致负载不平衡的策略）会导致某些专家训练不足，从而导致专家的专业性不足或过度。为了解决这个问题，他们提出了一个叫做专家选择的路由算法。先前的工作使用top-k函数为每个标记分配固定数量的专家，而不考虑不同标记的相对重要性。不是让标记选择top-k专家，而是让专家选择top-k标记。因此，每个标记可以被送到不同数量的专家那里，每个专家可以有一个固定的容量。在此基础上，为了进一步改善Moe方法，他们又提出了一个非统一的架构：Brainfomers模型，这种模型基于在Transformer的基础上进行了优化设计，并创建一个搜索空间（Search Space），来提升神经网络的性能。它比GLaM基线快5倍以上。

那么如何才能使语言模型得到更新，并让基础模型，比方说预先训练好的GPT-4适应一些目标下游任务领域呢？周彦祺的团队提出了专家混合型的渐进式终身学习。这种方法可以次线性地增加参数的数量，同时引入新的训练数据，并增加一个表示损失，这样模型就不会忘记以前的训练数据。

刘静：多模态预训练的简单回归与思考

刘静从为什么关注多模态大模型，如何进行多模态大模型训练，接下来如何发展多模态大模型，三个方面做了《多模态预训练的简单回归与思考》主题演讲。她提到，今天的大模型完全颠覆了过去十多年以深度学习为核心的AI范式，能从大规模无监督数据中挖掘信息的大模型，有望突破当前AI应用落地难的瓶颈。同时，刘静表示，多模态的数据无处不在，人类更多的表达方式或者更常用的表达方式是通过去看、去听、去想，不一定用文字记载。因此，大模型想要获得认知能力，必须要从单模态走向多模态。

目前大规模数据和基于Transformer架构的基础模型，以及自监督学习，可以让模型具备很好的通用性和模态间的关联能力。这也是大模型的基础。但是让大模型服务于实际应用，重要的是进行模型的适配和微调。显然，动辄千亿、万亿参数的模型，让全参数微调变得非常困难。因此，如何更高效、更低成本地微调这样的模型变成了重要的研究方向。为此，业界提出了包括PromptTuning、适配器方法、LoRA等方法，希望实现低成本的增量式微调。

多模态预训练模型的未来发展方向，包括通过更强大的语言模型、更大的视觉模型和更大的音频模型，以及更多的数据来提升模型的性能。对此现象，刘静也表示：“大模型的发展是一条有效的路，通过堆积数据和模型，性能还可以进一步提升。但这条路并不适合所有人，特别是学界，一味追求大并不是长处，因此需要通过其他方向来精细化和优化模型。”

林咏华：工程化打造AI中的“CPU”

动辄百亿甚至千亿规模的大模型，训练成本花费巨大。林咏华在《悟道·天鹰大模型—— 工程化打造AI中的“CPU”》报告中提到，要用工程化的方式来打造一套“大模型进化的流水线”，可持续地提升模型训练效率，才能让基础模型持续向产业辐射能量。她提到，基础模型已经成为AI大模型时代的“CPU”——单一“产品”中投入最大的部分。经过粗略估算，用 1T token 数据训练330亿规模的大模型，大概需要 2000 万人民币的投入，包括算力、数据、评测、人力等成本。

因此，只有采用系统化、标准化、可持续的训练流程，基础模型才能释放后续模型能力提升的潜力，并赋能产业落地。工程化打造大模型包括以下几个步骤：数据采集和处理是基础，模型训练是核心、模型评测能把控阶段性的训练方向，持续迭代则让模型不断进步。

在报告中，林咏华介绍，悟道·天鹰（Aquila） 语言大模型就是工程化的产物，是首个具备中英双语知识、支持商用许可协议、国内数据合规需求的开源语言大模型，系列模型包括 Aquila基础模型（7B、33B），AquilaChat对话模型（7B、33B）以及 AquilaCode-7B “文本-代码”生成模型。

Aquila基础模型（7B、33B）在技术上继承了 GPT-3、LLaMA 等的架构设计优点，替换了一批更高效的底层算子实现、重新设计实现了中英双语的 tokenizer，升级了 BMTrain 并行训练方法，实现了比 Magtron+DeepSpeed ZeRO-2 将近８倍的训练效率。

AquilaChat 对话模型（7B、33B）支持流畅的文本对话及多种语言类生成任务，通过定义可扩展的特殊指令规范，实现 AquilaChat对其它模型和工具的调用，且易于扩展。例如，调用智源开源的 AltDiffusion 多语言文图生成模型，实现了流畅的文图生成能力； 配合智源 InstructFace 多步可控文生图模型，轻松实现对人脸图像的多步可控编辑。

AquilaCode-7B “文本-代码”生成模型，基于 Aquila-7B 强大的基础模型能力，以小数据集、小参数量，实现高性能，是目前支持中英双语的、性能最好的开源代码模型，经过了高质量过滤、使用有合规开源许可的训练代码数据进行训练。此外，AquilaCode-7B 分别在英伟达和国产芯片上完成了代码模型的训练。

最重要的是，悟道·天鹰（Aquila） 语言大模型具备可持续迭代的能力，后续将不断完善训练数据、优化训练方法、提升模型性能，在更优秀的基础模型基座上，培育枝繁叶茂的“模型树”，持续开源开放。

最后，林咏华表示，只有打造可持续向前的大模型训练范式，将数据、训练、评测、迭代等步骤形成闭环，才能让基础大模型像CPU在计算机系统中起到核心和基础的作用一样，成为经济发展的基础设施。

圆桌论坛：大模型时代的Tips

刘知远：你认为在大模型时代，最需要关注什么技术？

刘鹏飞：关注模型预训练中的数据结构化。

数据工作的重要性，已经在“有监督微调（SFT）”阶段验证，而现在有文章称，模型预训练会在很快“穷尽”自然语言的文本数据。因此，秉着预训练不仅是加数据，更要加信息的原则，如何把多模态中结构性的信息纳入模型，是我接下来考虑的方向。

同时，提示工程（Prompt Engineering）的存在是非常糟糕的事情，背后是大模型的黑盒性质所导致，正是不知道模型预训练阶段如何“存”数据，所以在“取”会尝试各种Prompt。如果数据的结构足够透明，我相信问题会变得简单一些。

奖励模型非常重要。个人认为RLHF(Reinforcement Learning from Human Feedback)不重要，我们更需要高质量的奖励模型，不止是二元（binary）的形式，也不能只追求精细的形式，而是希望能够变成生成（generative）的形式，输出一个分布或一个函数，表示智能体做得好坏的概率或期望。

刘知远：大家背景各异，请分别来自创业公司、研究所、大厂、高校的四位，从个人经验出发，谈谈如何在大模型时代发挥自身优势。

刘胤焓：我有两段工作经历。

2019-2020年初在Facebook 担任AI研究者者的时候，谷歌做出了第一代大模型BERT，我则参与、领导研发出了RoBERTa、BART。后面Facebook又继续推出了OPT模型，以及现在一些最新大语言模型。

Facebook给我的感受是，他们所有的领导人都对大语言非常感兴趣，主打一个“大”，且投入不计成本，花费多少钱都没关系，最后会将技术进行开源。

那段时间，大家不停的在讨论模型上限、参数上限、数据上限。整个行业都想探索大语言到底能够干些什么。

直到我创业。我发现，要理性看待大语言模型，尤其是在一些小领域。例如医疗健康的用户，他们关心疾病知识、药品方案，但对航班和酒店的预订等无关紧要的问题不甚关心。

因此，结论是：通用大语言模型，对垂直领域的创业公司来说，完全没有必要。因为要更注重专业性。

另一方面，从实际应用来看，大语言模型的成本非常高。有时候一个中等、更加“专注”的模型或许更加有用。

刘静：高校、研究院的使命是进行创新、有用的研究，大模型就是一个例子。我们在创新方面的优势是源源不断的学生资源，以及可以规划长期的研究目标，不像企业需要短期见效。因此，我们可以更稳定地不断创新，并引领前沿方向。

例如在大语言模型里，他们可以探索更强的自监督算法、更好的数据清洗、更强的模型协同等问题。

在选择方向时，要有好的眼光，选择有用的方向。大模型这条路径没有看到头，我们的研究方向，应该聚焦用小而高质量的数据来获得和大模型相当的能力，然后更好地服务于应用。

另一个适合学界的领域是“AI for science”，要和生命工程、脑科学的领域进行合作，需要长期投入才能见效。

周彦祺：创业公司超越传统大厂还是有难度。以OpenAI和谷歌这场大模型对拼为例，谷歌并没有落后。谷歌有世界上最大的云计算平台，最强大的TPU和GPU资源，以及最优秀的系统和软件层面的技术。而且大公司显然更关注长期问题，无论是数据标准，还是模型安全，显然都更合规。

刘鹏飞：首先，高校教师要承担起作为学者的责任，例如RLHF的重要性等。这些可能是创业公司不愿意花时间研究。

其次，梳理各方的战场，包括学术界、工业界、VC、创业公司，明确每个人应该承担怎样的角色，让这个领域各司其职，做得更好。

再者，帮助领域找到科学进步的方向，敢于提出不一样的观点，产生更加准确的方向。特别是在评估大模型时，找到可靠的公正的评估方法，避免走弯路。

最后，培养学生，让他们知道成长路径，不需要天赋异禀，只要有兴趣和热情，就可以一起往前走。

刘知远：大模型领域，你最想做什么？如果有充足的预算，你想如何解决？

刘胤焓：我想要一个高质量的数据集，因为数据永远大于架构，架构可能只是微调或微微调的结果。大语言模型应该做成一个生态，不仅仅是文字，还要超出文字，像个贴身小秘书一样，记录他的需求，随叫随到。

刘静：我想继续攻关多模态对话，让人和机器用图文音自由交流。长远目标是让机器人用各种感官去感知和探索世界，和人类沟通。

周彦祺：短期目标是在大公司里研究大语言模型，建立一个超级大的分布式系统，降低大语言模型的成本，让它和Google search一样快速。长期目标是理解大语言模型的原理，探索是否有可能用更强的算力或量子计算机。

短期目标是把语言模型的数学解题能力，做成和GPT-4回答其他问题一样好，找到做这件事的秘诀和方法。另外，如果有1w张卡，从头来一遍训练，提高自己对数据的理解和处理能力。

 观众问答

观众A：机器人能否像ChatGPT那样执行各种任务，比如端水杯。实现这个功能的难点在哪里？

刘静：机器人能否像ChatGPT那样执行各种任务，关键要打通感知到决策。机器人要能看到、定位、执行任务，而不是被动接收图片或文本。现在的多模态大模型还不能真正融合多媒体信息，也不能根据环境提问或交互。机器人要做到像人一样，还有很多工作要做，但是路线是通的，未来会有更好的成果出现。

观众B：三个问题，首先，对于大厂的同学，遇到什么样的机会，会促使你离开谷歌去创业？

其次，高校科研的同学，对于创业如何看？

最后，对于创业的同学，是怎样的心态应对甲方的需求和压力？

周彦祺：每当我不顺的时候，就会想离开谷歌，但是又觉得谷歌有更好的环境和资源，如果在谷歌都解决不了，在其他公司也可能发挥不了才能。

如果我离开了谷歌，可能是由于我有非常想做的事情。例如打造ChatGPT这样的爆款产品。目前谷歌并没有限制我研究的步子，暂时不会离开。

刘静：坚持自己想要做的事情，根据自己的特性和时机选择创业或科研。我们科研院所的多模态大模型不比企业差，在视频理解上有优势。

刘胤焓：13个字形容应对甲方：卑微到尘埃，有求必应，随叫随到。

观众C：如何看待用大语言模型做推理？尤其是数学推理方向。有人认为语言模型不应该“学会”数学题，应该调用工具辅助语言模型。

刘鹏飞：大语言模型做数学推理是基本的能力，但是也需要结合其他的工具来提高效率和性能。建议先分析不同的数学问题的类型和特点，然后选择最合适的方法来解决，不要排斥任何一种方式。大语言模型在复杂的多步推理和形式化问题上有优势，但是也需要不断改进。

观众D：如何解决大语言模型训练中的幻觉问题？

周彦祺：两种方式。首先，可以用更大的语言模型来做一个质量检测的模型，用来评估小模型生成的数据的安全性和真实性。其次，可以用谷歌搜索或者其他的索引工具来给生成的数据加上引用，让用户可以追溯数据的来源和可信度。当然也可以结合检测模型和搜索工具来实现。

观众E：如何“破解”大语言模型序列长度的限制？

刘胤焓：我使用滑动窗口算法。用滑动窗口在不同的窗口里做生成，然后再把生成的结果合并起来。要注意，一定要保证训练数据对齐，要不然效果会差很多。

周彦祺：GPT-4也遇到了类似的问题，运算瓶颈在于注意力机制（Attention）。应该用更高效的注意力机制来替代全连接的注意力机制。可以用稀疏注意力的方法，就是用一个局部注意力加一个固定跨度的全连接注意力，这和 MOE 的方法有点类似。

观众F：大模型例如GPT-4的数学推理表现较差，如何用小模型进行优化？

刘鹏飞：大模型做数学推理需要全栈式的方法，包括预训练、有监督的微调（SFT）等阶段。预训练阶段要构造相关的语料，让模型学习数学或者推理的基本概念，比如最大公约数等。有监督微调阶段，要把数学的多步推理展开，如此才能适配大模型。

观众G：怎么看待提示工程师作为一个职业，会发展成一个学科么？

周彦祺：提示工程师会后成为最快消失的职业。已经在研究了SoftPromp了，慢慢就不需要人工了。

刘知远：请大家分享一句话结束今天的论坛。

刘胤焓：说三句话。我本科学的是化工，后来自学计算机，有幸做研究发表NLP的论文，现在在创业。没有任何一样东西是恒定的，没有任何一样东西是一直风靡全球的，但是总会有新的东西，所以不停的去改变自己，迎接新的东西，找到自己喜爱的方向，追逐自己的梦想，但是不能随波逐流。

刘静:首先要坚定，在未来的三五年，大模型会颠覆很多领域。第二，坚持。坚持自己认为有价值的东西。第三，不要盲目追风。

周彦祺：放眼未来，不止考虑5个月的事情，科研要考虑未来5年、10年。

刘鹏飞：像比尔·盖茨之前说过的，做人工智能需要有责任心，最终目标是什么，如果是可以推动全人类变好的话，做每件事情都不太会有错。

- 点击查看原文 观看大会回放 -

Hinton：我对“青蛙”创造出“人”这件事后果很紧张 | 全文整理+视频

黄铁军：难以预测，无法闭幕 | 2023智源大会“AI安全与对齐论坛”