Magpie: Síntese de Dados de Alinhamento do Zero por meio de Prompting de LLMs Alinhados com Nada

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

June 12, 2024

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

cs.AI

Resumo

Dados de instrução de alta qualidade são essenciais para alinhar modelos de linguagem de grande escala (LLMs). Embora alguns modelos, como o Llama-3-Instruct, tenham pesos abertos, seus dados de alinhamento permanecem privados, o que dificulta a democratização da IA. Os altos custos de mão de obra humana e o escopo limitado e predefinido para a criação de prompts impedem que os métodos existentes de criação de dados de código aberto escalem de forma eficaz, potencialmente limitando a diversidade e a qualidade dos conjuntos de dados de alinhamento públicos. É possível sintetizar dados de instrução de alta qualidade em escala, extraindo-os diretamente de um LLM alinhado? Apresentamos um método de auto-síntese para gerar dados de alinhamento em grande escala, denominado Magpie. Nossa observação principal é que LLMs alinhados, como o Llama-3-Instruct, podem gerar uma consulta do usuário quando inserimos apenas os templates do lado esquerdo até a posição reservada para mensagens do usuário, graças à sua natureza auto-regressiva. Utilizamos esse método para solicitar ao Llama-3-Instruct e gerar 4 milhões de instruções, juntamente com suas respostas correspondentes. Realizamos uma análise abrangente dos dados extraídos e selecionamos 300 mil instâncias de alta qualidade. Para comparar os dados do Magpie com outros conjuntos de dados de instrução públicos, ajustamos o Llama-3-8B-Base com cada conjunto de dados e avaliamos o desempenho dos modelos ajustados. Nossos resultados indicam que, em algumas tarefas, os modelos ajustados com o Magpie têm um desempenho comparável ao Llama-3-8B-Instruct oficial, apesar deste último ter sido aprimorado com 10 milhões de pontos de dados por meio de ajuste fino supervisionado (SFT) e subsequente aprendizado por feedback. Também mostramos que usar o Magpie exclusivamente para SFT pode superar o desempenho de conjuntos de dados públicos anteriores utilizados tanto para SFT quanto para otimização de preferências, como a otimização direta de preferências com UltraFeedback. Essa vantagem é evidente em benchmarks de alinhamento como 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.