ChatGPT开源项目汇总表格

 

写在前面

最近正好在关注ChatGPT，所以对目前开源的包括ChatGPT全流程训练代码的项目做了一个整理。文章包括三部分内容：

1. ChatGPT 开源项目汇总表格
2. 介绍 ChatGPT 训练的思路
3. 介绍每一个开源的项目的情况

阅读时间预估需要10min。

1. ChatGPT 开源项目汇总表格

下面是根据 star 数量进行排序的 ChatGPT 开源项目汇总，希望详细了解的开源项目可以通过目录进行跳转。

手机版目录在文章开始的地方，电脑版目录在网页左边。

2. ChatGPT 全训练流程介绍

ChatGPT 完整训练包括三个流程：

1. Supervised FineTune（SFT）：使用人工编写的期望模型如何输出的数据集，对GPT-3进行微调
2. Reward Model（RM）：使用人工标注的排序数据，训练奖励模型，预测人类更喜欢哪个输出
3. 强化学习微调 SFT：使用奖励模型作为强化学习优化目标，微调SFT模型

各个环节的一些训练细节：

• SFT：

  • GPT-3 175B 架构
  • 训练16epoch
  • 残差dropout 0.2
  • 1.3B和6B用32的bs+9.65e-6的lr
  • 175B用8bs+5.03e-6lr

• RM：

  • 模型输入是（prompt，response），输出是打分
  • GPT-3 6B 架构（175B会不稳定），最后一层替换成输出一个标量
  • 损失函数：最大化好回答和坏回答pair的得分差异

• RL：

  • GPT-3的模型结构
  • 训练2个epoch
  • 混合了10%的预训练数据
  • 为了不要学的太偏：增加模型之间的KL距离作为优化目标
  • 为了不降低通用性：增加通用NLP任务的性能作为优化目标

各个环节需要的数据量：

1. SFT

• 训练：标注员 1.1w，用户 1.4k
• 验证：标注员 1.5k，用户 103

2. RM

• 训练：标注员 6.6k，用户 2.66w
• 验证：标注员 3.49k，用户 1.44w

3. PPO

• 训练：用户 3.1w
• 验证：验证 1.6w

强化学习在训练中起到的作用：

• 人类的反馈是的模型生成的结果更偏向人类想要知道的结果，消除一些偏见和负面的信息
• 强化学习只告诉模型结果好不好，但不限制模型如何去变好，可以增加模型的探索能力

下面整理了包括了全流程训练的开源项目，github 项目整理的 star 信息截止到 2023.2.23，欢迎大家纠正补充

3. TRL - 从头训练一个 ChatGPT 模型

https://github.com/lvwerra/trl^[1]

Star 1.7k, Fork 180，代码更新 一天前，issue 13open 60 close

第一步：用 codeparrot 数据训练 GPT-2 124.2M 模型

• 和 chatgpt 的区别在于，chatgpt 是微调已经预训练好的，这个是从头训练
• 数据路径为 https://huggingface.co/codeparrot/codeparrot^[2]
• 数据含义：输入一行代码，输出补全的代码

第二步：用sentiment训练奖励模型，模型用的是distilbert

• 数据路径 https://ai.stanford.edu/~amaas/data/sentiment/^[3]
• 数据含义：输入影评，输出得分（积极1，消极0）

第三步：RL训练

整体介绍文章：万字长文教你如何做出 ChatGPT

4. RLHF - transformers_tasks

https://github.com/HarderThenHarder/transformers_tasks/tree/main/RLHF^[4]

Star 274，Fork 51，更新 五天前， Issue 1 open 16 closed

基于上面的TRL做的；

增加了基于人工打分的Reward模型训练，还提供了Reward数据的标注平台；

RM 模型训练：基于 ernie-3.0-base-zh 继续训练的；

RL 训练：

• RM：用的一个现成的情感分类模型，roberta-base-fintuned-jd-binary-chinese
• 生成模型：用的gpt2-chinese-cluecorpussmall

目前 RM 和 RL 两个是独立的训练，不支持把训练好的 RM 模型放到 RL 里面去加载

文章介绍：【AI】想训练ChatGPT？得先弄明白Reward Model怎么训（附源码）

5. OpenAssistant

https://github.com/LAION-AI/Open-Assistant^[5]

Star 16.8k，Fork 1.3k，Issue 308open，535closed，代码更新三天前

文档：https://projects.laion.ai/Open-Assistant/docs/intro^[6]

在huggingface上面的模型：OpenAssistant (OpenAssistant)^[7]

数据格式介绍：https://github.com/LAION-AI/Open-Assistant/blob/363a3a124471217e723d57b084122ae1ca41ab2a/notebooks/data-augmentation/stackexchange-builder/README.md^[8]

是LAION机构开源的，全称为 Large-scale Artificial Intelligence Open Network，是一个非盈利的机器学习研究机构，致力于为公众提供 AI 模型、数据集和开源代码。

Stable Diffusion用的开放数据集，就是LAION-AI组织做的。

RL 训练部分用到了即将要介绍的 trlX库

有网络训练丝滑如水，没有网络训练怀疑人生...

文档里下载 OA 那一段没有写太清楚，不知道去哪里下载

整体使用下来，这个库是目前训练下来最顺利的，库的代码也看起来最规范，文档支持也比较多的。

这里是全流程的训练指南：yuannnn：Open Assistant 全流程训练细节（GPT3+RL）^[9]

文章介绍：https://mp.weixin.qq.com/s/qg5H6hBDMfrAeVF1Ia9CVA

6.trlX - CarperAI

https://github.com/CarperAI/trlx^[10]

Star 2k, Fork 183, Issue 59open 95closed, 代码更新 6小时前

CarperAI 是EleutherAI研究小组的一个新实验室，其任务是“通过强化学习提高大型语言模型 (LLM) 的性能和安全性。” CarperAI 开源了 Transformer Reinforcement Learning X (trlX)，这是一个使用 RLHF 微调 HuggingFace 语言模型的框架。

7.PaLM-rlhf-pytorch - Phil Wang

GitHub - lucidrains/PaLM-rlhf-pytorch: Implementation of RLHF (Reinforcement Learning with Human Feedback) on top of the PaLM architecture. Basically ChatGPT but with PaLM^[11]

star 5.4k，Fork 412，Issue 8open 16 close，代码更新 4小时前

以Imagen和Make-A-Video等深度学习研究模型的开源实现而闻名的 AI 开发人员 Phil Wang分享了他正在为PaLM语言模型（称为 PaLM + RLHF）实施 RLHF 的工作。

其中，PaLM（Pathways Language Model）是谷歌在今年4月发布的5400亿参数全能大模型，基于Pathways系统训练，BERT之父Jacob Devlin为主要贡献者之一。

但是第一步的训练，这个项目中只有PaLM架构和代码，没有预先训练好的权重。所以还得自己重新训练一个。

8. ChatRWKV

https://github.com/BlinkDL/RWKV-LM^[12]

Star 1.8k，Fork 182，Issue 7open 16closed，代码更新 7小时前

用 RWKV 架构（不是transformer结构）训练的chatgpt

开源了 14B 的模型，可以在 hugging face上面试用：Rwkv 14b - a Hugging Face Space by yahma^[13]

支持分布式训练，感谢 @PENG Bo^[14] 纠正

文章介绍：PENG Bo：参与 ChatRWKV 项目，做开源 ChatGPT（可以在每个人电脑和手机直接运行的）^[15]

9. RL4LMs

https://github.com/allenai/RL4LMs^[16]

Star 971，Fork 87，Issue 20open 7closed，代码更新一个月之前

这个库包括了比较多 RL 算法（PPO，NLPO，A2C和TRPO），它论文说在 2000 个实验里做了 RL 在 LLM 上面的训练。RL4LMs当前的计划包括分布式训练更大的模型和新的RL算法。

包括了多种语义度量（例如：BERTSCORE、BLEURT）

包括了多种任务特定指标（例如：PARENT、CIDER、SPICE）

包括了多种词法指标（例如：ROUGE、BLEU、SacreBLEU、METEOR）

包括了6种常见的 LLM 任务。

论文：https://arxiv.org/abs/2210.01241^[17]

10. ColossalAI ChatGPT

https://github.com/hpcaitech/ColossalAI/tree/main/applications/ChatGPT^[18]

Star 15.5k, Fork 1.6k，代码更新 一天前，issue 212open 337close

训练 Reward 模型的 rm-static 数据

• 该数据包括同一个 prompt 的不同 response 的选择和拒绝的标签
• https://huggingface.co/datasets/Dahoas/rm-static/tree/main^[19]

训练 Prompt 模型的 awesome-chatgpt-prompts 数据

• 该数据量比较小，大约 100 个prompt
• https://huggingface.co/datasets/fka/awesome-chatgpt-prompts/tree/main^[20]

README里面介绍的步骤和chatgpt训练步骤的对应关系如下：

• train with dummy prompt data: 用随机生成的数据训练的第三步骤（RL来fintune sft）
• train with real prompt data: 用真实数据训练的第三步骤（RL来fintune sft）
• train with reward model：训练第二步的 reward 模型

目前应该还没有包括 SFT 的训练部分。

另外训练好的 Reward 模型暂时还不支持放到 RL 里面去用，目前作者们正在解决。

感谢作者 @BlueRum^[21] 热心帮我解决之前遇到的问题，后面更新了以后我会再尝试一下使用的。

11. Nebullvm

github: https://github.com/nebuly-ai/nebullvm^[22]

Star 5.7k, 更新 一天前，Issue 33open，68close

Meta 最近发布了 LLaMA，这是一组包含 7 到 650 亿个参数的基础大型语言模型。LLaMA 正在引起很多兴奋，因为它比 GPT-3 更小，但性能更好。

ChatLLaMA可以做到：

• 一个完整的开源实现，使您能够基于预训练的 LLaMA 模型构建 ChatGPT 样式的服务。
• 与原始的 ChatGPT 相比，利用 LLaMA 架构的较小尺寸，训练过程和单 GPU 推理更快、成本更低。
• ChatLLaMA 内置了对 DeepSpeed ZERO 的支持，以加速微调过程。
• 该库还支持所有 LLaMA 模型架构（7B、13B、33B、65B），因此您可以根据自己对训练时间和推理性能的偏好对模型进行微调。

---

审核编辑 ：李倩