最新开源！更擅长推理的LLaMA大模型，支持中文
©PaperWeekly 原创 · 作者 | 李忠利
研究方向 | 自然语言处理
跟大家介绍一下自己最近训练的 LLaMA 模型——BiLLa: A Bilingual LLaMA with Enhanced Reasoning Ability.
https://github.com/Neutralzz/BiLLa
HuggingFace 模型：
https://huggingface.co/Neutralzz/BiLLa-7B-LLM（语言模型 BiLLa-7B-LLM） https://huggingface.co/Neutralzz/BiLLa-7B-SFT（指令微调模型 BiLLa-7B-SFT）注：因 LLaMa 的使用限制，权重下载后不能直接使用，需通过脚本 [1] 转换
BiLLa 是开源的推理能力增强的中英双语 LLaMA 模型。模型的主要特性有：
较大提升 LLaMA 的中文理解能力，并尽可能减少对原始 LLaMA 英文能力的损伤；
训练过程增加较多的任务型数据，利用 ChatGPT 生成解析，强化模型理解任务求解逻辑；
全量参数更新，追求更好的生成效果。
因个人精力有限，我未能将 BiLLa 与当前主流的开源大模型进行充分的对比评测。以下是经过有限的评测分析得出的结论：
BiLLa-7B-LLM 中英语言建模能力显著优于 Chinese-LLaMA-7B [2]；
BiLLa-7B-SFT 中文推理能力显著优于 BELLE-LLaMA-Ext-7B [3] 等模型；
由 GPT4 打分，BiLLa-7B-SFT 在英文指令上得分显著高于 ChatGLM-6B [4]，中文得分持平，但解题与代码得分更高。
模型训练
该模型以原始 LLaMa 模型为基础，进行了如下三个阶段的训练。
第一阶段：扩充中文词表，使用中文预训练语料 Wudao [5]、英文预训练语料 PILE [6]、翻译语料 WMT [7] 的中英数据进行二次预训练。
第二阶段：训练数据在第一阶段基础上增加任务型数据，训练过程中两部分数据保持 1:1 的比例混合。任务型数据均为 NLP 各任务的主流开源数据，包含有数学解题、阅读理解、开放域问答、摘要、代码生成等，利用 ChatGPT API 为数据标签生成解析，用于训练提升模型对任务求解逻辑的理解。
第三阶段：保留第二阶段任务型数据，并转化为对话格式，增加其他指令数据（如 Dolly 2.0 [8]、Alpaca GPT4 [9]、COIG [10] 等），进行对齐阶段的微调。
模型评测
2.1 语言建模
通过 Conditional Generation 评估模型的语言建模能力，在纯英文和中英混合的测试集上计算模型的 Perplexity 指标。
纯英文测试集为 1000 条 PILE 语料，中英混合测试集为 1000 条 PILE 加 1000 条 WuDao 语料，测试集数据均未参与 BiLLa 的训练，评测指标如下（数值越低越好）：
2.2 GPT4打分
将 BiLLa-7B-SFT 和 ChatGLM-6B [4] 的模型结果放在一起，由 GPT4 对比两模型结果进行打分。该评测代码基本复用了 FastChat 的评测代码 [12]。
英文评测数据来源于 FastChat 的 80 条问题 [13]，中文评测数据来源于 BELLE 的 1000 条问题 [14]，评测指标如下（数值越高越好）：
▲ GPT4打分结果
2.3 中文复杂推理
这里非常感谢学弟锴锴（PandaLLM [15] 作者）协助完成复杂推理的评测工作！
评测集采用 LogiQA-v2 [16] 与 C3 [17]，两数据集均未参与 BiLLa 的训练，评测指标如下（数值越高越好）：
生成示例
4.1 Case 1
Human：女朋友对男朋友说，我都和你说了 200 次了，你也不长记性，又乱买东西。请问女生对男朋友说了多少次？
Assistant：我不知道具体的数量，但是我可以告诉你，当一个人多次向另一个人表达相同的想法或建议时，他们可能会感到沮丧或失望。如果你希望能够与你的女朋友建立良好的沟通，那么最好的方法可能是倾听她的想法和感受，并尽力理解她的立场。这样，你们就可以一起合作，解决问题，并且在未来更好地沟通。
4.2 Case 2
Human：鸡兔同笼，头共有 10，足共有 28，请问鸡和兔各多少只？
Assistant：设鸡的数量为 x，兔的数量为 y，则有以下两个方程式：
x+y=10（因为总数为 10）
2x+4y=28（因为每只鸡有 2 只脚，每只兔有 4 只脚）
将第一个方程式改写为 x=10-y，代入第二个方程式中：
2(10-y) + 4y = 28
化简得
-2y+20=28
-2y=-8
y=4
将 y 的值代入 x = 10-y，得到
x = 6
所以鸡的数量为 6 只，兔的数量为 4 只。
答案为 6、4。
4.3 Case 3
Human：用 Python 写一个冒泡排序算法
Assistant：这是一个简单的冒泡排序算法的 Python 实现：
def bubble_sort(arr):
n = len(arr)
for i in range(n):
for j in range(0, n-i-1):
if arr[j] > arr[j+1]:
arr[j], arr[j+1] = arr[j+1], arr[j]
arr = [3, 5, 2, 8, 1, 6]
bubble_sort(arr)
print("排序后的数组:")
for i in range(len(arr)):
print("%d" %arr[i])
输出结果为：
排序后的数组:
1
2
3
5
6
8
上面的代码中，我们定义了一个名为 bubble_sort 的函数，它接受一个整数数组作为输入。函数中，我们首先定义了一个 n 变量，用于表示数组的长度。
然后我们使用一个嵌套循环来遍历数组中的每个元素。在每一次循环中，我们将当前元素与下一个元素进行比较，如果当前元素大于下一个元素，则交换这两个元素的位置。最后，我们返回排序后的数组。
在主程序中，我们定义了一个包含若干个整数的数组，然后调用 bubble_sort 函数来对这个数组进行排序。最后，我们将排序后的数组打印出来。
模型局限性
当前 BiLLa 模型未经 RLHF 训练，泛化性有待观望。
BiLLa 训练过程中使用了较多的任务型数据，建议减少常识类的、时事类的提问。
BiLLa 训练数据中包含了多轮对话摘要数据，但未直接包含多轮对话的生成数据，因此模型多轮对话能力可能较差。
最后
欢迎各位 NLPers 试用 BiLLa，更希望能协助完善 BiLLa 评测！
参考文献
更多阅读
#投 稿 通 道#
让你的文字被更多人看到
如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？答案就是：你不认识的人。
总有一些你不认识的人，知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。
PaperWeekly 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是最新论文解读，也可以是学术热点剖析、科研心得或竞赛经验讲解等。我们的目的只有一个，让知识真正流动起来。
📝 稿件基本要求：
• 文章确系个人原创作品，未曾在公开渠道发表，如为其他平台已发表或待发表的文章，请明确标注
• 稿件建议以 markdown 格式撰写，文中配图以附件形式发送，要求图片清晰，无版权问题
• PaperWeekly 尊重原作者署名权，并将为每篇被采纳的原创首发稿件，提供业内具有竞争力稿酬，具体依据文章阅读量和文章质量阶梯制结算
📬 投稿通道：
• 投稿邮箱：hr@paperweekly.site
• 来稿请备注即时联系方式（微信），以便我们在稿件选用的第一时间联系作者
• 您也可以直接添加小编微信（pwbot02）快速投稿，备注：姓名-投稿
△长按添加PaperWeekly小编
🔍
现在，在「知乎」也能找到我们了
进入知乎首页搜索「PaperWeekly」
点击「关注」订阅我们的专栏吧