AIGC動態歡迎閱讀

原標題：這個團隊做了OpenAI沒Open的技術，開源OpenRLHF讓對齊大模型超簡單
關鍵字：模型,字節跳動,算法,內存,張量
文章來源：機器之心
內容字數：0字

內容摘要：

機器之心報道
編輯：Panda隨著大型語言模型（LLM）規模不斷增大，其性能也在不斷提升。盡管如此，LLM 依然面臨著一個關鍵難題：與人類的價值和意圖對齊。在解決這一難題方面，一種強大的技術是根據人類反饋的強化學習（RLHF）。
但是，隨著模型越來越大，RLHF 通常需要維持多個模型以及越來越復雜的學習流程，這又會導致內存和計算資源需求增長。舉個例子，近端策略優化（PPO，這是 RLHF 常用的一種算法）需要在訓練過程中維持四個模型。
由此，當語言模型的參數規模超過 700 億時，為了訓練和協調多個模型，所需的計算資源和調度復雜性會顯著增長 —— 這是當前的架構設計難以滿足的需求。
Transformer 強化學習（TRL）、ColossalChat（CAIChat）和 DeepSpeed-Chat（DSChat）等現有的開源 RLHF 框架是依靠零冗余優化器（Zero Redundancy Optimizer/ZeRO），來將 RLHF 訓練涉及的四個模型配置到同一臺 GPU 上。這個過程被稱為 co-location，即空間并置。
但是，隨著模型參數規模超過 700 億，在內存有限

原文鏈接：這個團隊做了OpenAI沒Open的技術，開源OpenRLHF讓對齊大模型超簡單

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺