Aurora-M: Первая мультиязычная модель языка с открытым исходным кодом, протестированная по методике Red Team в соответствии с указом исполнительной власти США.

Aurora-M: The First Open Source Multilingual Language Model Red-teamed according to the U.S. Executive Order

March 30, 2024

Авторы: Taishi Nakamura, Mayank Mishra, Simone Tedeschi, Yekun Chai, Jason T Stillerman, Felix Friedrich, Prateek Yadav, Tanmay Laud, Vu Minh Chien, Terry Yue Zhuo, Diganta Misra, Ben Bogin, Xuan-Son Vu, Marzena Karpinska, Arnav Varma Dantuluri, Wojciech Kusa, Tommaso Furlanello, Rio Yokota, Niklas Muennighoff, Suhas Pai, Tosin Adewumi, Veronika Laippala, Xiaozhe Yao, Adalberto Junior, Alpay Ariyak, Aleksandr Drozd, Jordan Clive, Kshitij Gupta, Liangyu Chen, Qi Sun, Ken Tsui, Noah Persaud, Nour Fahmy, Tianlong Chen, Mohit Bansal, Nicolo Monti, Tai Dang, Ziyang Luo, Tien-Tung Bui, Roberto Navigli, Virendra Mehta, Matthew Blumberg, Victor May, Huu Nguyen, Sampo Pyysalo

cs.AI

Аннотация

Предварительно обученные языковые модели лежат в основе нескольких приложений искусственного интеллекта, однако их высокая вычислительная стоимость для обучения ограничивает доступность. Инициативы, такие как BLOOM и StarCoder, нацелены на демократизацию доступа к предварительно обученным моделям для совместного развития сообщества. Однако такие существующие модели сталкиваются с вызовами: ограниченные мультиязычные возможности, постоянное предварительное обучение, вызывающее катастрофическое забывание, в то время как обучение с нуля требует больших вычислительных затрат, а также соответствие законам об искусственном интеллекте и развитии. В данной статье представлена модель Aurora-M, мультиязычная модель с открытым исходным кодом на 15 миллиардов параметров, обученная на английском, финском, хинди, японском, вьетнамском и коде. Непрерывно предварительно обученная из StarCoderPlus на 435 миллиардов дополнительных токенов, Aurora-M превосходит общее количество обучающих токенов в 2 триллиона. Это первая мультиязычная модель с открытым исходным кодом, донастроенная на инструкциях по безопасности, проверенных людьми, что выравнивает ее развитие не только с традиционными рассмотрениями красной команды, но и с конкретными опасениями, выраженными в Постановлении Президента Байдена-Харриса о безопасном, надежном и доверительном развитии и использовании искусственного интеллекта. Aurora-M тщательно оценивается на различных задачах и языках, демонстрируя устойчивость к катастрофическому забыванию и превосходя альтернативы в мультиязычных средах, особенно в оценках безопасности. Для поощрения ответственного развития мультиязычных моделей с открытым исходным кодом Aurora-M и ее варианты выпущены по адресу https://huggingface.co/collections/aurora-m/aurora-m-models-65fdfdff62471e09812f5407.

English

Pretrained language models underpin several AI applications, but their high computational cost for training limits accessibility. Initiatives such as BLOOM and StarCoder aim to democratize access to pretrained models for collaborative community development. However, such existing models face challenges: limited multilingual capabilities, continual pretraining causing catastrophic forgetting, whereas pretraining from scratch is computationally expensive, and compliance with AI safety and development laws. This paper presents Aurora-M, a 15B parameter multilingual open-source model trained on English, Finnish, Hindi, Japanese, Vietnamese, and code. Continually pretrained from StarCoderPlus on 435 billion additional tokens, Aurora-M surpasses 2 trillion tokens in total training token count. It is the first open-source multilingual model fine-tuned on human-reviewed safety instructions, thus aligning its development not only with conventional red-teaming considerations, but also with the specific concerns articulated in the Biden-Harris Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence. Aurora-M is rigorously evaluated across various tasks and languages, demonstrating robustness against catastrophic forgetting and outperforming alternatives in multilingual settings, particularly in safety evaluations. To promote responsible open-source LLM development, Aurora-M and its variants are released at https://huggingface.co/collections/aurora-m/aurora-m-models-65fdfdff62471e09812f5407 .