Observationele schaalwetten en de voorspelbaarheid van taalmodelprestaties

Observational Scaling Laws and the Predictability of Language Model Performance

May 17, 2024

Auteurs: Yangjun Ruan, Chris J. Maddison, Tatsunori Hashimoto

cs.AI

Samenvatting

Het begrijpen van hoe de prestaties van taalmodellen variëren met schaal is cruciaal voor de ontwikkeling van benchmarks en algoritmen. Schaalwetten zijn een benadering om dit inzicht op te bouwen, maar de vereiste om modellen op veel verschillende schalen te trainen, heeft hun gebruik beperkt. Wij stellen een alternatieve, observationele benadering voor die het trainen van modellen omzeilt en in plaats daarvan schaalwetten opbouwt uit ~80 publiek beschikbare modellen. Het opbouwen van een enkele schaalwet uit meerdere modelfamilies is uitdagend vanwege grote variaties in hun trainingscompute-efficiënties en -mogelijkheden. Wij laten echter zien dat deze variaties consistent zijn met een eenvoudige, gegeneraliseerde schaalwet waarbij de prestaties van taalmodellen een functie zijn van een laagdimensionale mogelijkheidsruimte, en modelfamilies alleen variëren in hun efficiëntie in het omzetten van trainingscompute naar mogelijkheden. Met deze benadering laten we de verrassende voorspelbaarheid van complexe schaalverschijnselen zien: we laten zien dat verschillende emergente verschijnselen een vloeiend, sigmoïdaal gedrag volgen en voorspelbaar zijn uit kleine modellen; we laten zien dat de agentprestaties van modellen zoals GPT-4 nauwkeurig kunnen worden voorspeld uit eenvoudigere niet-agentische benchmarks; en we laten zien hoe de impact van post-trainingsinterventies zoals Chain-of-Thought en Self-Consistency kan worden voorspeld naarmate de mogelijkheden van taalmodellen blijven verbeteren.

English

Understanding how language model performance varies with scale is critical to benchmark and algorithm development. Scaling laws are one approach to building this understanding, but the requirement of training models across many different scales has limited their use. We propose an alternative, observational approach that bypasses model training and instead builds scaling laws from ~80 publically available models. Building a single scaling law from multiple model families is challenging due to large variations in their training compute efficiencies and capabilities. However, we show that these variations are consistent with a simple, generalized scaling law where language model performance is a function of a low-dimensional capability space, and model families only vary in their efficiency in converting training compute to capabilities. Using this approach, we show the surprising predictability of complex scaling phenomena: we show that several emergent phenomena follow a smooth, sigmoidal behavior and are predictable from small models; we show that the agent performance of models such as GPT-4 can be precisely predicted from simpler non-agentic benchmarks; and we show how to predict the impact of post-training interventions like Chain-of-Thought and Self-Consistency as language model capabilities continue to improve.