照明灯具类企业网站免费的网页设计成品下载

论文题目: Apple Intelligence Foundation Language Models
论文地址: https://arxiv.org/pdf/2407.21075
论文发表于: arXiv 2024年7月
论文所属单位: Apple

论文大体内容
本文介绍了Apple AFM团队的2个基础大模型，分别可在服务端和客户端上运行。这两个大模型是Apple的基础模型，文中描述了从训练到评估模型的各个模块。

Motivation
这是Apple的基础大模型。

Contribution
①技术落地的完整性，本文详细描述了训练AFM的各个模块和步骤。
②提出了从基础模型扩展到具体任务的整体框架，用于Apple后续各个应用的落地。
③强调负责任的AI实践，包括整个流程的Principles，以及注重用户的隐私。

1. 本文主要介绍了Apple AFM组（Apple Foundation Model）的2个基础大模型，包括：
①AFM-on-device：3B参数的模型，运行于设备端；
②AFM-server：主LLM模型，用于对标GPT系列；
这两个基础模型主要提供2个应用场景：
①Coding model：在Xcode中提供给开发者使用；
②Diffusion model：在App中提供给用户使用，比如Messages App；

2. Apple对LLM开发时候遵守的Principles包括：
①用智能工具赋能用户
②代表我们的用户
③谨慎设计
④保护隐私
这几个Principles是公司文化的体现。

3. LLM整体架构采用了业界主流的Transformer架构，主要有以下几点选择：
①一个共享的输入/输出嵌入矩阵，节省内存；
②Pre-Normalization和RMSNorm；
③Q/K进行归一化，提升训练稳定性；
④GQA（Grouped-query attention），节省内存；
⑤SwiGLU激活函数[1]；
⑥RoPE位置嵌入，支持更长的context；

4. LLM的整体尺寸信息如下，参数量计算公式是：N*(12*D*D+13*D)，其中D=n*d。
-N是Transformer的层数
-n是MHA中head的数量
-d是MHA中每个头的dim

【Pre-training阶段】
5. 数据：
使用Applebot抓取的数据。本文指出数据的质量比数量更重要。
①网页数据：
-抽取正文
-使用启发式方法和模型进行安全性过滤来处理网页文本
-数据去重，使用n-gram哈希
-使用启发式方法和模型进行质量筛选
-对常用的基准数据集进行处理
②授权数据集：来自于出版商
③代码数据：来自于Github
④数学数据：网络爬取
⑤公开的高质量数据集
⑥分词器：BPE（byte-pair encoding）

6. 方法：
AFM Pre-training分为3个阶段：
①核心阶段：使用6.3T token训练，用了8192个TPUv4芯片，4096的序列长度
②延续阶段：弱化低质量数据集，强化高质量数据集，用了8192的序列长度
③context扩展阶段：提升context长度，用了32768的序列长度
优化器使用RMSProp。
其中AFM-on-device是AFM-server的蒸馏版本，使用了知识蒸馏和结构剪枝来降低模型大小。

【Post-Training阶段】
7. 数据：
包括人工标注数据和合成数据。本文指出数据的质量比数量更重要。
①人工标注数据
②合成数据：提升多样性

8. SFT（Supervised fine-tuning）
使用标注数据进行SFT。

9. RLHF
①iTeC（Iterative teaching committee）
该框架有效地结合了各种偏好优化算法，包括拒绝采样（RS）、直接偏好优化（DPO）以及在线强化学习（RL）。这使我们能够将RLHF的优势应用于各种规模的模型，同时提高它们的对齐性。
②MDLOO（Mirror Descent with Leave-One-Out estimation）
比PPO更有效。

10. 拒绝采样的理解[2]
①属于蒙特卡洛方法的一种，本质是通过一个提议分布（均匀分布或正态分布）q(x)，来采样出目标分布p(x)。如果从q(x)中随机出来的 x <= p(x) 则采样，否则不采样。
②在LLM中使用拒绝采样的方式是让LLM生成多个答案，然后用 V3 判断哪个回答好，好的回答当作接下来的 SFT 数据，不断螺旋上升（DeepSeek R1[3]）。

11. 基于基础模型扩展到具体任务：通过LoRA、量化进行微调，整体框架如下：

12. 效果评估
①Pre-Training阶段：主要使用了基准数据集MMLU（多选题Multi-subject multiple-choice）评估

②Post-Training阶段：主要使用了人工评估，能更接近于用户体验
-基准测试 HELM-Lite v1.5.0

-人工评估

-指令遵循

-工具使用

-写作

-数学：GSM8K、MATH

-摘要人工评估

13. Responsible AI（安全性）
①安全标准：该分类标准包含12个主要类别，下设51个子类别，其中包括“仇恨言论、刻板印象与诋毁性语言”、“歧视、边缘化与排斥”、“非法活动”、“成人色情内容”以及 “血腥暴力内容”。
②Pre-Training阶段：训练语料的的安全过滤、隐私信息过滤；
③Post-Training阶段：10%的数据用于对抗训练，与安全相关；
④防范恶意代码：将所有生成的代码视为不安全代码，代码只会在封闭的环境里执行
⑤Red Teaming：主动诱导、攻击的测试；
⑥安全性评估：本模型效果相比GPT等更优；

14. 这篇论文比较完整的展示了Apple LLM模型的各个环节，对大家了解LLM的工作有一些帮助，文章写的比较务实。整体来看是中规中矩，学术性的突破不多，更多是具体落地的工程实践。

参考资料
[1] 详解SwiGLU激活函数 https://zhuanlan.zhihu.com/p/31289994147
[2] 拒绝采样 https://blog.csdn.net/jteng/article/details/54344766
[3] DeepSeek R1 https://blog.csdn.net/John159151/article/details/147687702

以上均为个人见解，因本人水平有限，如发现有所错漏，敬请指出，谢谢！