作者：张俊林，新浪微博新技术研发负责人
编辑：青稞AI
SOLAR 这种“模型嫁接”很有意思！ 
最近的Huggingface LLM榜单都快被SOLAR这种“嫁接模型”刷烂了，Top 10模型都是10.7B，很明显是SOLAR的魔改版。
SOLAR是模型嫁接的代表，主要利用Mistral 7B来进行自我嫁接，目前榜单上的嫁接模型应该都是用同一个模型自我嫁接的，这个方向挺有意思的，应该还可以做很多更有趣的事情，比如用不同预训练模型嫁接到一起，会是什么效果？我对这个答案很感兴趣。 
现在面临的问题是：我们已经有较小且强的基座模型比如Mistral 7B，现在希望把它参数稍微扩大一点，以进一步提升模型能力，该怎么做？
SOLAR 就是干这个的，问题是个好问题，SOLAR给自己的做法起了个很玄乎的名字，“Depth Up-Scaling”，其实做法很简单，就类似植物嫁接：训练好的Mistral 7B模型Transformer结构有32层，把Mistral的32层从第24层掰成两段（底层24层，高层8层），之后高层那段的8层上移，中间留出16层的参数空间，接下来把Mistral的第9层到25层这16层插入中间，通过这种嫁接形成48层的SOLAR模型，参数规模由Mistral 7B拓展到了10.7B（图2）。因为嫁接过程都是用的Mistral，所以是自我嫁接。 
嫁接完之后效果如何？比Mistral差，这个很正常，因为嫁接的两个部分参数还没有融合成为一个整体，第25层附近是个断层。于是用了3Trillion[注1]的数据进行“继续预训练”，这步应该主要是对嫁接模型参数进行融合的（不过貌似用的数据量有点大，很多人有这个数据量和算力，都能自己from scratch训一个新模型了），形成了SOLAR-base基座模型。盲猜经过继续预训练后，掰断处25层和41层附近层的中间层模型参数变化是最大的，底层和最上层可能变化不大。 
在继续预训练之后，又引入两个阶段：
一个是instruct tuning，这个环节采用开源instruct数据并改造出一个数学专用instruct数据，以增强模型的数学能力，这个环节对应常规的SFT阶段；
另一个是alignment tuning，也是开源+数学增强数据，采取DPO，这个环节对应传统的RLHF阶段。这样形成了SOLAR-chat版本。 
从实验对比看，可以得到如下结论： 
1、SOLAR-base基座模型和Mistral 7B 基座模型相比，6项测试任务中，只有数学测试GSM8K有大幅度提高（+18分），另外一个任务增加5分，其它四个任务增长都不太大（<3分），这些增长应该来自3T数据的继续预训练，数学能力增长巨大很可能在训练数据里增加了不少数学相关内容，但考虑到模型规模从7B增长到接近11B，数据量也比较大，其实这个指标增长一般般。 
2、SOLAR-chat模型相对SOLAR基座模型测试效果有大幅提升（6项任务平均分+8分多），这说明大模型Post-training阶段是可以注入新知识的（之前也有不少研究可以证实这一点）。尤其夸张的是TruthfulQA，经过SFT和DPO后，单项任务增加了超过26分，单单这一项任务就把榜单平均分提高了接近5分，这说明如果想要刷榜，用少量Instruct数据就够了，成本并不高（不是说SOLAR刷榜，是说刷榜应该比较容易）。 
3、SOLAR-base基座模型比其它基座模型（LLAMA2-70B/Yi-34B/Mixtra 8*7B）效果是不如的（SOLAR模型规模最小，所以不如也正常），但是也比较接近差不太多（平均分差1到4分之间），但是此类模型能够霸榜Huggingface，应该主要靠的是Post-Training阶段的数据质量好（OpenOrca／DeepFeedback/Alpaca-GPT4，都是最好的instruct数据）。这说明想要榜单排名好，高质Instruct数据少不了。只要找个最强的底座，你也可以作出最强模型，因为instruct成本并不太高。 
总而言之，SOLAR这种，找个最强基座，通过自我嫁接模型还是有效的，当然建立真正的优势还是在Post Training阶段。不过，我觉得追求更好的嫁接方法、甚至是不同模型的相互嫁接，是个很有意思的方向。 
注1:https://en.upstage.ai/newsroom/solar10b-huggingface-no1
这个PR稿早期版本说了继续预训练用了3Trillion的数据，不过现在的版本已经把这句话删掉了，从这个删除操作看，貌似透漏出了一些信息。
备注：昵称-学校/公司-方向/会议(eg.ACL)，进入技术/投稿群
id：DLNLPer，记得备注呦
继续阅读
阅读原文