Ограничение обратного перевода улучшает выполнение сложных инструкций большими языковыми моделями.

Constraint Back-translation Improves Complex Instruction Following of Large Language Models

October 31, 2024

Авторы: Yunjia Qi, Hao Peng, Xiaozhi Wang, Bin Xu, Lei Hou, Juanzi Li

cs.AI

Аннотация

Большие языковые модели (LLM) испытывают трудности в следовании инструкциям с комплексными ограничениями по формату, длине и т. д. Следуя традиционной практике настройки инструкций, предыдущие работы проводят пост-тренировку на сложных парах инструкция-ответ, сгенерированных путем подачи сложных инструкций продвинутым LLM. Однако даже продвинутые LLM не могут хорошо следовать сложным инструкциям, что ограничивает качество сгенерированных данных. В данной работе мы обнаружили, что существующие наборы данных в себе несут внутренние неявные сложные ограничения, и предложили новую технику генерации данных, обратный перевод ограничений. Конкретно, мы берем высококачественные пары инструкция-ответ из существующих наборов данных и применяем только продвинутые LLM для добавления сложных ограничений, которые уже соответствуют ответам на инструкции, что естественным образом снижает затраты и шум данных. В экспериментах мы используем Llama3-70B-Instruct для обратного перевода ограничений и создаем высококачественный набор данных сложных пар инструкция-ответ, названный CRAB. Мы демонстрируем, что пост-тренировка на CRAB улучшает способность нескольких основных LLM следовать сложным инструкциям, оцененную на обширных бенчмарках следования инструкциям. Мы также обнаружили, что обратный перевод ограничений также служит полезной вспомогательной целью обучения в пост-тренировке. Наш код, данные и модели будут опубликованы для облегчения будущих исследований.

English

Large language models (LLMs) struggle to follow instructions with complex constraints in format, length, etc. Following the conventional instruction-tuning practice, previous works conduct post-training on complex instruction-response pairs generated by feeding complex instructions to advanced LLMs. However, even advanced LLMs cannot follow complex instructions well, thus limiting the quality of generated data. In this work, we find that existing datasets inherently contain implicit complex constraints and propose a novel data generation technique, constraint back-translation. Specifically, we take the high-quality instruction-response pairs in existing datasets and only adopt advanced LLMs to add complex constraints already met by the responses to the instructions, which naturally reduces costs and data noise. In the experiments, we adopt Llama3-70B-Instruct to back-translate constraints and create a high-quality complex instruction-response dataset, named CRAB. We present that post-training on CRAB improves multiple backbone LLMs' complex instruction-following ability, evaluated on extensive instruction-following benchmarks. We further find that constraint back-translation also serves as a useful auxiliary training objective in post-training. Our code, data, and models will be released to facilitate future research.