事前学習済みLLMを探る

人間のフィードバックによる強化学習（RLHF）

Mina Parham

AI Engineer

微調整の重要性

RLHFプロセスを示す図。

微調整の重要性

入出力を持つLLMの図。

LLM微調整のステップ別ガイド

ツイートの感情を認識するよう学習したLLMのアイコン。

LLM微調整のステップ別ガイド

ツイート感情を認識するよう学習したLLMが誤出力するアイコン。

LLM微調整のステップ別ガイド

膨大なデータで事前学習した、ツイート感情認識LLMのアイコン。

手順1：使用するデータを読み込む

from datasets import load_dataset
import pandas as pd

# `load_dataset` simplifies loading and preprocessing datasets from various sources
# It provides easy access to a wide range of datasets with minimal setup
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

手順2：事前学習モデルを選ぶ

from transformers import AutoModelForCausalLM

# AutoModelForCausalLM simplifies loading and switching models
model = AutoModelForCausalLM.from_pretrained("openai-gpt")

因果モデル: 直前のトークンが後続を「生成」

手順3：トークナイザー

from transformers import AutoTokenizer

# `AutoTokenizer` loads the correct tokenizer for the specified model
tokenizer = AutoTokenizer.from_pretrained("openai-gpt")
tokenizer.add_special_tokens({'pad_token': '[PAD]'})
model.resize_token_embeddings(len(tokenizer))

Padding：同一長のバッチに整形

手順3：トークナイザー

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

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

batched引数：高速化

手順4：Trainerで微調整

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()

Vamos praticar!

人間のフィードバックによる強化学習（RLHF）