Les modèles plus puissants ne sont PAS de meilleurs enseignants pour l'ajustement de l'instruction.Stronger Models are NOT Stronger Teachers for Instruction Tuning
L'optimisation des instructions a été largement adoptée pour garantir que les grands modèles de langage (LLM) suivent efficacement les instructions des utilisateurs. Les capacités de suivi des instructions résultantes des LLM dépendent fortement des ensembles de données d'instructions utilisés pour l'optimisation. Récemment, des ensembles de données d'instructions synthétiques ont émergé comme une solution économiquement viable pour fournir aux LLM des instructions diverses et de haute qualité. Cependant, les approches existantes supposent généralement que des modèles plus grands ou plus puissants sont de meilleurs enseignants pour l'optimisation des instructions, et adoptent donc simplement ces modèles comme générateurs de réponses aux instructions synthétiques. Dans cet article, nous remettons en question cette hypothèse couramment adoptée. Nos expériences approfondies sur cinq modèles de base et vingt générateurs de réponses révèlent que des modèles plus grands et plus puissants ne sont pas nécessairement de meilleurs enseignants pour les modèles plus petits. Nous appelons ce phénomène le Paradoxe des Modèles Plus Grands. Nous observons que les métriques existantes ne peuvent pas prédire précisément l'efficacité des générateurs de réponses car elles ignorent la compatibilité entre les enseignants et les modèles de base en cours de réglage fin. Nous développons donc une nouvelle métrique, appelée Récompense Ajustée pour la Compatibilité (RAC), pour mesurer l'efficacité des générateurs de réponses. Nos expériences sur cinq modèles de base démontrent que le RAC surpasse presque toutes les références.