Magpie: Sintesi di Dati di Allineamento da Zero Mediante Prompting di LLM Allineati con Nulla

Magpie: Alignment Data Synthesis from Scratch by Prompting Aligned LLMs with Nothing

June 12, 2024

Autori: Zhangchen Xu, Fengqing Jiang, Luyao Niu, Yuntian Deng, Radha Poovendran, Yejin Choi, Bill Yuchen Lin

cs.AI

Abstract

Dati di istruzione di alta qualità sono fondamentali per allineare i grandi modelli linguistici (LLM). Sebbene alcuni modelli, come Llama-3-Instruct, abbiano pesi aperti, i loro dati di allineamento rimangono privati, il che ostacola la democratizzazione dell'IA. Gli elevati costi di manodopera umana e un ambito predefinito e limitato per il prompting impediscono ai metodi esistenti di creazione di dati open-source di scalare efficacemente, potenzialmente limitando la diversità e la qualità dei dataset di allineamento pubblici. È possibile sintetizzare dati di istruzione di alta qualità su larga scala estraendoli direttamente da un LLM allineato? Presentiamo un metodo di auto-sintesi per generare dati di allineamento su larga scala chiamato Magpie. La nostra osservazione chiave è che LLM allineati come Llama-3-Instruct possono generare una query dell'utente quando inseriamo solo i modelli del lato sinistro fino alla posizione riservata ai messaggi dell'utente, grazie alla loro natura auto-regressiva. Utilizziamo questo metodo per promptare Llama-3-Instruct e generare 4 milioni di istruzioni insieme alle loro risposte corrispondenti. Eseguiamo un'analisi completa dei dati estratti e selezioniamo 300K istanze di alta qualità. Per confrontare i dati di Magpie con altri dataset di istruzione pubblici, addestriamo Llama-3-8B-Base con ciascun dataset e valutiamo le prestazioni dei modelli addestrati. I nostri risultati indicano che in alcune attività, i modelli addestrati con Magpie performano in modo comparabile al Llama-3-8B-Instruct ufficiale, nonostante quest'ultimo sia stato potenziato con 10 milioni di punti dati attraverso il fine-tuning supervisionato (SFT) e il successivo apprendimento con feedback. Mostriamo anche che utilizzare Magpie esclusivamente per SFT può superare le prestazioni di precedenti dataset pubblici utilizzati sia per SFT che per l'ottimizzazione delle preferenze, come l'ottimizzazione diretta delle preferenze con UltraFeedback. Questo vantaggio è evidente su benchmark di allineamento come AlpacaEval, ArenaHard e WildBench.

English

High-quality instruction data is critical for aligning large language models (LLMs). Although some models, such as Llama-3-Instruct, have open weights, their alignment data remain private, which hinders the democratization of AI. High human labor costs and a limited, predefined scope for prompting prevent existing open-source data creation methods from scaling effectively, potentially limiting the diversity and quality of public alignment datasets. Is it possible to synthesize high-quality instruction data at scale by extracting it directly from an aligned LLM? We present a self-synthesis method for generating large-scale alignment data named Magpie. Our key observation is that aligned LLMs like Llama-3-Instruct can generate a user query when we input only the left-side templates up to the position reserved for user messages, thanks to their auto-regressive nature. We use this method to prompt Llama-3-Instruct and generate 4 million instructions along with their corresponding responses. We perform a comprehensive analysis of the extracted data and select 300K high-quality instances. To compare Magpie data with other public instruction datasets, we fine-tune Llama-3-8B-Base with each dataset and evaluate the performance of the fine-tuned models. Our results indicate that in some tasks, models fine-tuned with Magpie perform comparably to the official Llama-3-8B-Instruct, despite the latter being enhanced with 10 million data points through supervised fine-tuning (SFT) and subsequent feedback learning. We also show that using Magpie solely for SFT can surpass the performance of previous public datasets utilized for both SFT and preference optimization, such as direct preference optimization with UltraFeedback. This advantage is evident on alignment benchmarks such as AlpacaEval, ArenaHard, and WildBench.