Zelfspel met uitvoeringsfeedback: Het verbeteren van instructievolgingscapaciteiten van grote taalmodellen

Self-play with Execution Feedback: Improving Instruction-following Capabilities of Large Language Models

June 19, 2024

Auteurs: Guanting Dong, Keming Lu, Chengpeng Li, Tingyu Xia, Bowen Yu, Chang Zhou, Jingren Zhou

cs.AI

Samenvatting

Een kerncapaciteit van grote taalmodellen (LLMs) is het volgen van natuurlijke taal instructies. Het probleem van het automatisch construeren van hoogwaardige trainingsdata om de complexe instructievolgcapaciteiten van LLMs te verbeteren zonder handmatige annotatie blijft echter onopgelost. In dit artikel introduceren we AutoIF, de eerste schaalbare en betrouwbare methode voor het automatisch genereren van instructievolg-trainingsdata. AutoIF transformeert de validatie van de kwaliteit van instructievolgdata in codeverificatie, waarbij LLMs instructies moeten genereren, de bijbehorende code om de correctheid van de instructieresponsen te controleren, en unit testvoorbeelden om de correctheid van de code te verifiëren. Vervolgens kan uitvoeringsfeedback-gebaseerde afkeuringssteekproef data genereren voor Supervised Fine-Tuning (SFT) en Reinforcement Learning from Human Feedback (RLHF) training. AutoIF behaalt significante verbeteringen over drie trainingsalgoritmen, SFT, Offline DPO en Online DPO, wanneer toegepast op de top open-source LLMs, Qwen2 en LLaMA3, in zelfalignatie en strong-to-weak distillatie-instellingen. Onze code is publiekelijk beschikbaar op https://github.com/QwenLM/AutoIF.

English

One core capability of large language models (LLMs) is to follow natural language instructions. However, the issue of automatically constructing high-quality training data to enhance the complex instruction-following abilities of LLMs without manual annotation remains unresolved. In this paper, we introduce AutoIF, the first scalable and reliable method for automatically generating instruction-following training data. AutoIF transforms the validation of instruction-following data quality into code verification, requiring LLMs to generate instructions, the corresponding code to check the correctness of the instruction responses, and unit test samples to verify the code's correctness. Then, execution feedback-based rejection sampling can generate data for Supervised Fine-Tuning (SFT) and Reinforcement Learning from Human Feedback (RLHF) training. AutoIF achieves significant improvements across three training algorithms, SFT, Offline DPO, and Online DPO, when applied to the top open-source LLMs, Qwen2 and LLaMA3, in self-alignment and strong-to-weak distillation settings. Our code is publicly available at https://github.com/QwenLM/AutoIF.