收藏 分销(赏)

PAI-ChatLearn 灵活易用大规模RLHF高训练框架.pdf

上传人:Stan****Shan 文档编号:1188386 上传时间:2024-04-18 格式:PDF 页数:18 大小:91.26MB
下载 相关 举报
PAI-ChatLearn 灵活易用大规模RLHF高训练框架.pdf_第1页
第1页 / 共18页
PAI-ChatLearn 灵活易用大规模RLHF高训练框架.pdf_第2页
第2页 / 共18页
PAI-ChatLearn 灵活易用大规模RLHF高训练框架.pdf_第3页
第3页 / 共18页
PAI-ChatLearn 灵活易用大规模RLHF高训练框架.pdf_第4页
第4页 / 共18页
PAI-ChatLearn 灵活易用大规模RLHF高训练框架.pdf_第5页
第5页 / 共18页
点击查看更多>>
资源描述

1、PAI-ChatLearn!#$%&!#$%-&$%()PAI!#$%&(RLHF)*+,-.Contents目录0102PAI-ChatLearn03PAI-ChatLearn01#$%&*+,-./?!#$%&()*+,-(./!Zero DP/FSDP 01234567Zero DP!#$#$%&*+#./?!89:;?#$ABC#$D(!E;F89GGPT3-175BD=HIJK#$LM?#$BC#$?#$+!#$BC#$+!#$?#$+BC#$+!#$#$%&*+01./?!JNO/J8P89()MPMDPathways1RLHF21 https:/blog.google/techn

2、ologyai/introducing-pathways-next-generation-ai-architecture/2 https:/arxiv.org/abs/2204.05862PAI-ChatLearn02RLHF(Reinforcement Learning from Human Feedback)RLHF234567#89:;RL?A/BCDEFGHIJ?!?!?!?!?!?PAI-ChatLearnPAI-ChatLearnKLMN/O!P RLHF QR$%*+?!?!?!?!?!?!?PAI-ChatLearn36?!APIY*Z898)RLHF Config_e2e(!

3、)Model Config_abmodelF!EngineYcdefghijk/)cd(jlmFnop$!DistActor7Uqr,bistNOjgh)cdabmodelFp$uvjghi!(jlmwxy7zFBackend)|Gy7Megatron()y7vLLMlmPAI-ChatLearn初始化定义模型定义engine和数据集开始训练运行环境配置模型配置RLHF训练配置PAI-ChatLearn03PAI-ChatLearn?-#AB?!RLHFModule()!nsetupAforward_stepAtrain_step X!MegatronADeepspeedAPyTorchAvL

4、LMATorchAccXnVicuna 13B+13B=?!)t query:,response:!hVicuna89)Vicuna-13B89|!(t!ChatLearn*ZetransformersMegatront)k7ChatLearnS$SFT(?!)t query:,response:1,2,.,score:score1,score2,.!(!y7SFT89!UReward Model!k7ChatLearnS$Reward Model(?!t prompt:!(!y7SFT89!Policy/Reference Model!y7RM89!Reward/Value model!k7

5、ChatLearnS$RLHF(?!(F89Inference!k7MegatronS$C!k7ChatLearneTransformertInferenceVicuna 13B+13B=?!13B(Policy/Reference Model)+13B(Reward/PPOValue Model)!QHH(helpful&harmless)!S$SFTARLHF(!RLHF(Reward ModelFiG!QMT-Benchy7GPT-4 APISFTjRLHF89FVW)i*+11%PAI-ChatLearnCDEFG?!7B+7B30B+30B8DeepSpeed-chat&48%82%!DeepSpeed-Chat 66B+66BOOM!ChatLearn66B+66BA175B+175B8(!Qwen-14BRLHF89VW4SFT89!#$%&()*+,!#%)*+,#!%-./0123/42567)894:*;)?A/85B*80C6%6D-!E&E&#E&$E&)*+,!#%)*+,#!%-./0123/42567)894:*;)?A/85B*80C6#-6D-!THANKS

展开阅读全文
部分上传会员的收益排行 01、路***(¥15400+),02、曲****(¥15300+),
03、wei****016(¥13200+),04、大***流(¥12600+),
05、Fis****915(¥4200+),06、h****i(¥4100+),
07、Q**(¥3400+),08、自******点(¥2400+),
09、h*****x(¥1400+),10、c****e(¥1100+),
11、be*****ha(¥800+),12、13********8(¥800+)。
相似文档                                   自信AI助手自信AI助手
百度文库年卡

猜你喜欢                                   自信AI导航自信AI导航
搜索标签

当前位置:首页 > 研究报告 > 其他

移动网页_全站_页脚广告1

关于我们      便捷服务       自信AI       AI导航        获赠5币

©2010-2024 宁波自信网络信息技术有限公司  版权所有

客服电话:4008-655-100  投诉/维权电话:4009-655-100

gongan.png浙公网安备33021202000488号   

icp.png浙ICP备2021020529号-1  |  浙B2-20240490  

关注我们 :gzh.png    weibo.png    LOFTER.png 

客服