要搞大模型AI助手，像ChatGPT一样对齐微调已经是行业标准做法，通常分为SFT+RLHF两步走。
来自艾伦研究所的新研究却发现，这两步都不是必要的？？？
新论文指出，预训练完成刚出炉的基础模型已经掌握了遵循指令的能力，只需要提示工程就能引导出来，引起开发社区强烈关注。
因为RLHF的成本非常高训练还不稳定，这样可就省了大钱了。
研究据此提出一种新的免微调对齐法URIAL。
论文中把新方法形容为“解锁基础模型潜力的咒语”，能够节省大量算力资源和时间。
更值得关注的是，不掌握稳定RLHF（人类强化学习）能力的小型团队，也能低成本开发出可以聊天对话、遵循指令的对齐模型了。
目前URIAL代码和新评估基准Just-Eval-Instruct已开源，刚刚上传不久。
研究来自艾伦研究所和华盛顿大学Yejin Choi团队，过去曾提出Top_p采样，在如今大模型API调用中是常用参数。
一作研究员林禹辰是上交大校友。
打破SFT+RLHF神话
最早让人们开始质疑对齐微调的，是一项Meta等在5月份一项研究LIMA。
LIMA指出只需要1000个样本做SFT（监督微调），就可以匹配ChatGPT的性能。
论文中LIMA团队还探讨了“表面对齐假设”（Superficial Alignment Hypothesis）：
模型的知识和能力几乎都是在预训练阶段学到的，对齐则是教会模型在与用户互动时应使用哪些特定格式的子集。
换句话说，对齐阶段只是调整模型的语言风格，没有增强模型的能力。
从表面对齐假设出发，URIAL团队做了充分的实验，对比基础模型和对齐模型之间的token分布偏移（TDS，token distribution shifts）。
实验选用3组基础模型与对齐模型做对比，结果表明：
- 对齐仅影响一小部分token。基础模型和对齐模型在大多数位置的解码中表现相同，共享排名靠前的一组token。
- 对齐主要涉及文风相关的token，如话语标志（discourse markers，“首先、其次、总之、然而……”这些）、过渡词和安全免责声明，只占5-8%。
- 对齐对较早出现的token更重要（生成内容的开头），在后续位置对齐模型排名最高的token，基本位于基本模型排top-5的token之内。
- 基础模型已经获得了足够的知识来遵循指令，给定合适的上下文作为前缀时，它们的行为与对齐模型非常相似。
接下来的问题就是，不用SFT和RLHF的情况下，如何把一个基础模型变成能多轮对话、遵循指令的AI助手？
免微调对齐法URIAL
团队的免微调对齐法URIAL（Untuned LLMs with Restyled In-context ALignment），纯粹利用基础模型的上下文学习能力实现有效对齐，只需三个风格示例和一个系统提示。
在实验中，团队使用URIAL方法对齐7B、70B的Llama2以及Mistral-7B大模型。
结果表明当基础模型很强时，URIAL的表现甚至优于SFT和RLHF。
团队认为URIAL方法的主要贡献有：
- 实施起来非常简单，并且可完美重现，从而有助于未来新的免微调和微调对齐方法的开发和评估。
- 可轻松对齐大尺寸模型（如Llama2-70b甚至Falcon-180b），节省大量算力和时间。
- 可用于在预训练过程中频繁评估基础模型，监控基础模型的质量。
- 可用于公平比较不同基础模型之间的对齐潜力。过去不同模型的微调过程可能差异很大（例如数据、训练方法、超参数等），不能直接反映基础模型的质量。
- 还可用于探索大模型对齐的科学，例如分析基础模型在预训练期间已经获得的知识和技能，识别缺失的内容，而不是盲目地利用大量数据进行微调，从而产生不必要的计算成本。
实验也探索了URIAL中示例的不同数量，如果提高到8个，一些指标中有明显提升，但一些指标中也有下降，最终作者推荐用3个比较平衡。
对于改用不同的示例也比较稳健。
如果把之前对话作为示例的一部分，URIAL也可以让基础模型获得多轮对话的能力。
One More Thing
论文中实验的Llama-2和Mistral，其实总体来说都属于羊驼家族。
URIAL免微调对齐法是否用于羊驼架构之外的大模型？
由于不是羊驼的开源大模型不好找，我们试了试刚刚发布的Transformer挑战者，Mamba架构基础模型。
Mamba是一种状态空间模型，别说不是羊驼了，连Transformer都不是。
使用论文附录提供的一份URIAL标准提示词，简单测试发现同样适用。
使用URIAL询问“你能用6岁小朋友也能听懂的方式解释什么是状态空间模型吗？”。
Mamba将数学定义的状态比喻成了车在路上的位置，比较简单易懂，甚至给出markdown格式的图片链接，试图图文并茂回答问题。
如果不使用URIAL直接输入这个问题，Mamba的表现就是基础模型那样补全下文而不是回答问题了，解释的内容也是车轱辘话来回说。
论文：https://allenai.github.io/re-align/
