보상을 재사용하라: 제로샷 교차 언어 정렬을 위한 보상 모델 전이

Reuse Your Rewards: Reward Model Transfer for Zero-Shot Cross-Lingual Alignment

April 18, 2024

저자: Zhaofeng Wu, Ananth Balashankar, Yoon Kim, Jacob Eisenstein, Ahmad Beirami

cs.AI

초록

인간이 주석을 단 선호도 데이터를 기반으로 언어 모델(LM)을 정렬하는 것은 실용적이고 성능이 뛰어난 LM 기반 시스템을 얻기 위한 중요한 단계입니다. 그러나 다국어 인간 선호도 데이터는 대규모로 얻기 어려워, 이 프레임워크를 다양한 언어로 확장하는 데 어려움이 있습니다. 본 연구에서는 단일 소스 언어의 선호도 데이터로 훈련된 보상 모델을 다른 대상 언어에 직접 적용하는 제로샷 교차 언어 정렬 접근법을 평가합니다. 요약 및 개방형 대화 생성 작업에서 이 방법은 인간 평가를 포함한 포괄적인 평가 설정에서 일관되게 성공적임을 보여줍니다: 교차 언어로 정렬된 모델은 정렬되지 않은 모델보다 최대 >70%의 평가 사례에서 인간에게 선호되었습니다. 또한, 다른 언어의 보상 모델이 동일 언어의 보상 모델보다 더 잘 정렬된 모델을 생성하는 경우도 발견했습니다. 정렬의 또 다른 구성 요소인 지도 미세 조정을 위한 언어별 데이터가 전혀 없는 경우의 모범 사례도 확인했습니다.

English

Aligning language models (LMs) based on human-annotated preference data is a crucial step in obtaining practical and performant LM-based systems. However, multilingual human preference data are difficult to obtain at scale, making it challenging to extend this framework to diverse languages. In this work, we evaluate a simple approach for zero-shot cross-lingual alignment, where a reward model is trained on preference data in one source language and directly applied to other target languages. On summarization and open-ended dialog generation, we show that this method is consistently successful under comprehensive evaluation settings, including human evaluation: cross-lingually aligned models are preferred by humans over unaligned models on up to >70% of evaluation instances. We moreover find that a different-language reward model sometimes yields better aligned models than a same-language reward model. We also identify best practices when there is no language-specific data for even supervised finetuning, another component in alignment.