「論文」: Scaling Instruction-Finetuned Language Models
「地址」: https://arxiv.org/abs/2210.11416
「模型」: https://huggingface.co/google/flan-t5-xxl

1. Flan-T5是什么

「Flan-T5」是Google最新的一篇工作，通過在超大規(guī)模的任務上進行微調(diào)，讓語言模型具備了極強的泛化性能，做到單個模型就可以在1800多個NLP任務上都能有很好的表現(xiàn)。這意味著模型一旦訓練完畢，可以直接在幾乎全部的NLP任務上直接使用，實現(xiàn)「One model for ALL tasks」，這就非常有誘惑力！

這里的Flan指的是（Instruction finetuning），即"基于指令的微調(diào)"；T5是2019年Google發(fā)布的一個語言模型了。注意這里的語言模型可以進行任意的替換（需要有Decoder部分，所以「不包括BERT這類純Encoder語言模型」），論文的核心貢獻是提出一套多任務的微調(diào)方案（Flan），來極大提升語言模型的泛化性。

例如下面文章中的例子，模型訓練好之后，可直接讓模型做問答:

「模型輸入」是："Geoffrey Hinton和George Washington這兩個人有沒有交談過？在回答之前想一想原因?！?/p>

「模型返回」是：Geoffrey Hinton是一個計算機科學家，出生在1947年；而George Washington在1799年去世。所以這兩個不可能有過交談。所以答案時“沒有”。

2. 怎么做的

(1) 「任務收集」：工作的第一步是收集一系列監(jiān)督的數(shù)據(jù)，這里一個任務可以被定義成<數(shù)據(jù)集，任務類型的形式>，比如“基于SQuAD數(shù)據(jù)集的問題生成任務”。需要注意的是這里有9個任務是需要進行推理的任務，即Chain-of-thought （CoT）任務。

(2) 「形式改寫」：因為需要用單個語言模型來完成超過1800+種不同的任務，所以需要將任務都轉(zhuǎn)換成相同的“輸入格式”喂給模型訓練，同時這些任務的輸出也需要是統(tǒng)一的“輸出格式”。

如上圖所示，根據(jù) “是否需要進行推理 （CoT）” 以及 “是否需要提供示例（Few-shot）” 可將輸入輸出劃分成四種類型：

• chain-of-thought : and few-shot: （圖中左上）
  • 輸入：指令 + 問題
  • 輸出：答案
• chain-of-thought : and few-shot: （圖中右上）
  • 輸入：指令 + CoT引導（by reasoning step by step） + 問題
  • 輸出：理由 + 答案
• chain-of-thought: and few-shot: （圖中左下）
  • 輸入：指令 + 示例問題 + 示例問題回答 + 指令 + 問題
  • 輸出：答案
• chain-of-thought: and few-shot: （圖中右下）
  • 輸入：指令 + CoT引導 + 示例問題 + 示例問題理由 + 示例問題回答 + 指令 + CoT引導 + 問題
  • 輸出：理由 + 答案

(3) 「訓練過程」：采用恒定的學習率以及Adafactor優(yōu)化器進行訓練；同時會將多個訓練樣本“打包”成一個訓練樣本，這些訓練樣本直接會通過一個特殊的“結(jié)束token”進行分割。訓練時候在每個指定的步數(shù)會在“保留任務”上進行模型評估，保存最佳的checkpoint。

盡管微調(diào)的任務數(shù)量很多，但是相比于語言模型本身的預訓練過程，計算量小了非常多，只有0.2%。所以通過這個方案，大公司訓練好的語言模型可以被再次有效的利用，我們只需要做好“微調(diào)”即可，不用重復耗費大量計算資源再去訓一個語言模型。

3. 一些結(jié)論

(1) 微調(diào)很重要

與不微調(diào)相比，通過基于指令的微調(diào)（flan）可以大幅度提高語言模型的效果。

(2) 模型越大效果越好

伴隨模型體積的增加(上圖左)， 尤其是指數(shù)級的增加，比如從8B->62B，再從62B->540B，不論是否微調(diào)，效果都有非常顯著的提升，而且還沒有看到收斂的信號，可能如果有了 “萬億”參數(shù)的模型，效果還能繼續(xù)提升。

(3) 任務越多效果越好

伴隨任務數(shù)量的增加(上圖右)，模型的性能也會跟著增加，但是當任務數(shù)量超過282個之后，提升就不是很明顯了。因為繼續(xù)增加新的任務，尤其任務形式跟之前一樣，不會給模型帶來新的知識；多任務微調(diào)的本質(zhì)是模型能夠更好的把從預訓練學到的知識進行表達，超過一定任務之后，繼續(xù)新增相似的任務，知識的表達能力不會繼續(xù)有很大的收益。進一步統(tǒng)計全部微調(diào)數(shù)據(jù)集的token數(shù)，發(fā)現(xiàn)只占到了預訓練數(shù)據(jù)token數(shù)的0.2%，這表明還是有很多的知識沒有在微調(diào)階段重新被激發(fā)。

(4) 混雜CoT相關的任務很重要

盡管在1800多個任務中只有9個需要推理再給出回答的任務（CoT任務），但是混雜了這9個任務之后對整個模型的提升很大。在針對CoT相關任務的預測上，如果在微調(diào)中混淆CoT任務能帶來明顯的提升（左圖中藍色和綠色線）；在針對非CoT相關任務的預測上，如果在微調(diào)中混淆了CoT任務也不會對模型帶來傷害（右圖中藍色和綠色線）。

(5) 整合起來

最終在多個不同尺寸的模型上進行實驗，都可以獲得一致性的結(jié)論：引入Flan微調(diào)方案，可以很好提高語言模型在超大規(guī)模任務上的整體效果。

總結(jié)一下，這篇工作提出了Flan的微調(diào)框架，核心有四點：統(tǒng)一的輸入輸出格式（4種類型），引入chain-of-thought，大幅提高任務數(shù)量，大幅提高模型體積；實現(xiàn)了用一個模型來解決超過1800種幾乎全部的NLP任務，通過較低的成本，極大發(fā)掘了現(xiàn)有語言模型的泛化性能，讓大家看到了通用模型的希望，即「One Model for ALL Tasks」。

審核編輯 ：李倩