Menjelajahi LLM terlatih awal

Reinforcement Learning from Human Feedback (RLHF)

Mina Parham

AI Engineer

Pentingnya fine-tuning

Diagram yang menggambarkan proses RLHF.

Reinforcement Learning from Human Feedback (RLHF)

Pentingnya fine-tuning

Diagram yang merepresentasikan LLM dengan input dan output.

Reinforcement Learning from Human Feedback (RLHF)

Panduan langkah demi langkah untuk fine-tuning LLM

Ikon yang merepresentasikan LLM terlatih untuk mengenali sentimen tweet.

Reinforcement Learning from Human Feedback (RLHF)

Panduan langkah demi langkah untuk fine-tuning LLM

Ikon LLM yang dilatih mengenali sentimen tweet namun memberi keluaran salah.

Reinforcement Learning from Human Feedback (RLHF)

Panduan langkah demi langkah untuk fine-tuning LLM

Ikon LLM untuk pengenalan sentimen tweet, terlatih awal dengan dataset besar.

Reinforcement Learning from Human Feedback (RLHF)

Langkah 1: muat data yang akan digunakan

from datasets import load_dataset
import pandas as pd

# `load_dataset` menyederhanakan pemuatan dan prapemrosesan dataset dari berbagai sumber
# Memberi akses mudah ke banyak dataset dengan setup minimal
dataset = load_dataset("mteb/tweet_sentiment_extraction")
df = pd.DataFrame(dataset['train'])

    id               text                                        label   label_text
0   cb774db0d1       I'd have responded, if I were going         1       neutral
1   549e992a42       Sooo SAD I will miss you in San Diego!!!    0       negative
2   08ac60f138       my boss is bullying me...                   0       negative
Reinforcement Learning from Human Feedback (RLHF)

Langkah 2: pilih model terlatih awal

from transformers import AutoModelForCausalLM

# AutoModelForCausalLM memudahkan pemuatan dan pergantian model
model = AutoModelForCausalLM.from_pretrained("openai-gpt")

 

  • Model kausal: token sebelumnya “menyebabkan” token berikutnya
Reinforcement Learning from Human Feedback (RLHF)

Langkah 3: tokenizer

from transformers import AutoTokenizer

# `AutoTokenizer` memuat tokenizer yang sesuai untuk model tertentu
tokenizer = AutoTokenizer.from_pretrained("openai-gpt")
tokenizer.add_special_tokens({'pad_token': '[PAD]'})
model.resize_token_embeddings(len(tokenizer))

 

  • Padding: agar batch teks berukuran sama
Reinforcement Learning from Human Feedback (RLHF)

Langkah 3: tokenizer

def tokenize_function(examples):
    tokenized = tokenizer(examples["content"], padding="max_length", truncation=True) 
    return tokenized

tokenized_datasets = dataset.map(tokenize_function, batched=True)

 

  • Parameter batched: untuk pemrosesan lebih cepat
Reinforcement Learning from Human Feedback (RLHF)

Langkah 4: fine-tune dengan metode Trainer

training_args = TrainingArguments(
   output_dir="test_trainer",
   per_device_train_batch_size=1,
   per_device_eval_batch_size=1,  
   gradient_accumulation_steps=4)

trainer = Trainer(
   model=model,
   args=training_args,
   train_dataset=tokenized_dataset["train"],
   eval_dataset=tokenized_dataset["test"])
trainer.train()
Reinforcement Learning from Human Feedback (RLHF)

Ayo berlatih!

Reinforcement Learning from Human Feedback (RLHF)

Preparing Video For Download...