编辑：桃子 好困

【新智元导读】今天，OpenAI正式开放GPT-3.5微调API，GPT-4版本也即将推出。这意味着，继插件「APP Store」大爆发后，所有人皆可以打造个性化的专属「类ChatGPT应用」。

终于来了！

刚刚，OpenAI正式宣布，所有开发者都可以对GPT-3.5 Turbo进行微调。

初步结果表明，微调后的GPT-3.5 Turbo，在具体任务中，性能与GPT-4实力相当，甚至反超GPT-4。

四步轻松搞定

第一步：准备数据

网友开启新世界

众多网友已经基于GPT-3.5 Turbo微调功能，开始创造新世界了。

刚刚在基于Marv示例的合成样本数据上对GPT-3.5进行了微调，Marv太搞笑了。

地址：https://platform.openai.com/docs/guides/fine-tuning

首先，OpenAI介绍了通过微调，你可以API可用的模型中获得更多信息：

1. 比提示质量更高的结果

2. 能够就提示中无法容纳的更多示例进行训练

3. 提示更简洁，节省token使用

4. 降低延迟请求

GPT模型已经在大量文本上进行了预训练。

为了有效使用模型，OpenAI在提示中加入指令，有时还包括几个示例。通过演示，来展示模型如何执行任务通常被称为「少样本学习」。

微调可以通过训练比提示中更多的示例，来改进少样本学习，能够让模型在大量任务上获得更好的结果。

一旦微调模型，你就不需要在提示符中提供更多的示例。这样，既节省了成本，又降低了延迟的请求。

在高层次上，微调包含以下步骤：

1. 准备和上传训练数据

2. 训练一个新的微调模型

3. 使用你的微调模型

目前，微调可用于以下模型：

- gpt-3.5-turbo-0613（推荐）

- babbage-002

- davinci-002

微调GPT模型可以使其更适合特定APP，但这需要投入大量的时间和精力。

OpenAI建议，首先尝试通过提示工程、提示链（将复杂任务分解为多个提示），以及函数调用，可以获得良好的结果，主要原因是：

- 有许多任务，GPT模型最初可能表现不佳，但有了更好的提示，便可以获得更好的结果，并且可能不需要微调。

- 迭代提示等其他策略，比使用微调迭代具有更快的反馈循环，而微调需要创建数据集，并且训练模型。

- 在仍需要微调的情况下，初始提示工程任务不会白费。OpenAI通常在微调数据中使用优秀的提示（或将提示链/工具使用与微调相结合），从而看到最佳结果。

前段时间，OpenAI发布「GPT最佳实践指南」中，提供一些有关提示有效的策略，无需微调即可获得更好的性能。

https://platform.openai.com/docs/guides/gpt-best-practices

微调可以改善结果的一些常见用例：

- 设置风格、语调、格式或其他定性方面

- 提高生产所需输出的可靠性

- 纠正不按复杂提示操作的情况

- 以特定方式处理许多边缘情况

- 执行一项难以用提示表达的新技能或任务

在接下来的部分中，OpenAI将探讨如何设置用于微调的数据，以及微调后提高基线模型性能的各种示例。

微调有效的另一个场景是，在不牺牲质量的情况下通过替换GPT-4，或使用更短的提示来降低成本和/或延迟。

如果可以用GPT-4取得良好的结果，那么通过对GPT-4完成进行微调（可能使用更短的指令提示），而微调gpt-3.5-turbo后模型也能达到类似的效果。

当你确定微调是正确的解决方案，将需要准备训练模型的数据。

这里，你需要创建一组多样化的演示对话，这些对话应与你在推理时要求模型响应的对话相似。

数据集中的每个示例都应该是，与Chat completions API相同的对话，具体来说，就是一个消息列表，每个消息都有角色、内容和可选名称。

至少一些训练示例，应该直接针对提示模型行为不符合预期的情况，并且数据中提供的助手消息，应该是你希望模型提供的理想响应。

在这个例子中，目标是创建一个偶尔给出讽刺回应的聊天机器人。

对此，OpenAI为数据集创建了3个训练示例（对话）：

{"messages": [{"role": "system", "content": "Marv is a factual chatbot that is also sarcastic."}, {"role": "user", "content": "What's the capital of France?"}, {"role": "assistant", "content": "Paris, as if everyone doesn't know that already."}]}{"messages": [{"role": "system", "content": "Marv is a factual chatbot that is also sarcastic."}, {"role": "user", "content": "Who wrote 'Romeo and Juliet'?"}, {"role": "assistant", "content": "Oh, just some guy named William Shakespeare. Ever heard of him?"}]}{"messages": [{"role": "system", "content": "Marv is a factual chatbot that is also sarcastic."}, {"role": "user", "content": "How far is the Moon from Earth?"}, {"role": "assistant", "content": "Around 384,400 kilometers. Give or take a few, like that really matters."}]}

微调gpt-3.5-turbo需要会话聊天格式。对于babbage-002和davinci-002，你可以按照用于旧版微调的提示完成配对格式，如下：

{"prompt": "

", "completion": ""}{"prompt": "

", "completion": ""}{"prompt": "

", "completion": ""}

- 编写提示

建议在微调之前，用你认为对模型最有效的指令和提示，纳入到每个训练示例中。

这样做可以获得最佳和最普遍的结果，尤其是在训练示例相对较少（不足100个）的情况下。

如果你想缩短每个示例中重复出现的指令或提示，以节省成本，请记住，模型的行为很可能包含这些指令，很难让模型在推理时忽略这些「内置」指令。

可能需要更多的训练示例才能获得良好的结果，因为模型必须完全通过演示学习，而无需指令指导。

要微调模型，你需要提供至少10个示例。

通常会看到，使用gpt-3.5-turbo对50-100个训练示例进行微调，有着明显改进。根据具体使用情况，同样的的示例效果不一。

OpenAI建议，从50个精心制作示例开始，看看模型在微调后是否显示出改进的迹象。

在某些情况下，这可能就足够了，但即使模型尚未达到输出质量，明确的改进也是一个好迹象，表明提供更多数据将继续改进模型。

如果没有改进，则表明你可能需要重新考虑如何为模型设置任务，或者在扩展到有限的示例集之前，重新调整数据结构。

收集初始数据集后，建议将其拆分为训练和测试两个部分。

当提交包含训练和测试文件的微调时，OpenAI将在训练过程中提供两者的统计数据。

这些统计数据将是模型改进程度的初始信号。

此外，通过在测试集上生成样本，尽早构建测试集将有助于确保你能够在训练后评估模型。

每个训练示例限制为4096个token。

训练时，长度超过这一限制，将被截断为4096个token。

因此，要确保整个训练示例适合上下文，请检查消息内容中的总token数是否低于4,000个。每个文件当前限制为50 MB。

为了估算微调成本，主要还是参考官方定价页面，了解每1k token成本的详细信息。

在3个epoch内训练了100,000个token的训练文件，预期成本约为2.4美元。

编译完数据集后，在创建微调之前，检查数据格式非常重要。

为此，OpenAI创建了一个简单的Python脚本，你可以使用它来查找潜在错误、查看token计数并估计微调的成本。

数据格式化脚本：

# We start by importing the required packagesimport jsonimport osimport tiktokenimport numpy as npfrom collections import defaultdict# Next, we specify the data path and open the JSONL filedata_path = ""# Load datasetwith open(data_path) as f: dataset = [json.loads(line) for line in f]# We can inspect the data quickly by checking the number of examples and the first item# Initial dataset statsprint("Num examples:", len(dataset))print("First example:")for message in dataset[0]["messages"]: print(message)# Now that we have a sense of the data, we need to go through all the different examples and check to make sure the formatting is correct and matches the Chat completions message structure# Format error checksformat_errors = defaultdict(int)for ex in dataset: if not isinstance(ex, dict): format_errors["data_type"] = 1 continue messages = ex.get("messages", None) if not messages: format_errors["missing_messages_list"] = 1 continue for message in messages: if "role" not in message or "content" not in message: format_errors["message_missing_key"] = 1 if any(k not in ("role", "content", "name") for k in message): format_errors["message_unrecognized_key"] = 1 if message.get("role", None) not in ("system", "user", "assistant"): format_errors["unrecognized_role"] = 1 content = message.get("content", None) if not content or not isinstance(content, str): format_errors["missing_content"] = 1 if not any(message.get("role", None) == "assistant" for message in messages): format_errors["example_missing_assistant_message"] = 1if format_errors: print("Found errors:") for k, v in format_errors.items(): print(f"{k}: {v}")else: print("No errors found")# Beyond the structure of the message, we also need to ensure that the length does not exceed the 4096 token limit.# Token counting functionsencoding = tiktoken.get_encoding("cl100k_base")# not exact!# simplified from https://github.com/openai/openai-cookbook/blob/main/examples/How_to_count_tokens_with_tiktoken.ipynbdef num_tokens_from_messages(messages, tokens_per_message=3, tokens_per_name=1): num_tokens = 0 for message in messages: num_tokens = tokens_per_message for key, value in message.items(): num_tokens = len(encoding.encode(value)) if key == "name": num_tokens = tokens_per_name num_tokens = 3 return num_tokensdef num_assistant_tokens_from_messages(messages): num_tokens = 0 for message in messages: if message["role"] == "assistant": num_tokens = len(encoding.encode(message["content"])) return num_tokensdef print_distribution(values, name): print(f"n#### Distribution of {name}:") print(f"min / max: {min(values)}, {max(values)}") print(f"mean / median: {np.mean(values)}, {np.median(values)}") print(f"p5 / p95: {np.quantile(values, 0.1)}, {np.quantile(values, 0.9)}")# Last, we can look at the results of the different formatting operations before proceeding with creating a fine-tuning job:# Warnings and tokens countsn_missing_system = 0n_missing_user = 0n_messages = []convo_lens = []assistant_message_lens = []for ex in dataset: messages = ex["messages"] if not any(message["role"] == "system" for message in messages): n_missing_system = 1 if not any(message["role"] == "user" for message in messages): n_missing_user = 1 n_messages.append(len(messages)) convo_lens.append(num_tokens_from_messages(messages)) assistant_message_lens.append(num_assistant_tokens_from_messages(messages))print("Num examples missing system message:", n_missing_system)print("Num examples missing user message:", n_missing_user)print_distribution(n_messages, "num_messages_per_example")print_distribution(convo_lens, "num_total_tokens_per_example")print_distribution(assistant_message_lens, "num_assistant_tokens_per_example")n_too_long = sum(l > 4096 for l in convo_lens)print(f"n{n_too_long} examples may be over the 4096 token limit, they will be truncated during fine-tuning")# Pricing and default n_epochs estimateMAX_TOKENS_PER_EXAMPLE = 4096MIN_TARGET_EXAMPLES = 100MAX_TARGET_EXAMPLES = 25000TARGET_EPOCHS = 3MIN_EPOCHS = 1MAX_EPOCHS = 25n_epochs = TARGET_EPOCHSn_train_examples = len(dataset)if n_train_examples * TARGET_EPOCHS MAX_TARGET_EXAMPLES: n_epochs = max(MIN_EPOCHS, MAX_TARGET_EXAMPLES // n_train_examples)n_billing_tokens_in_dataset = sum(min(MAX_TOKENS_PER_EXAMPLE, length) for length in convo_lens)print(f"Dataset has ~{n_billing_tokens_in_dataset} tokens that will be charged for during training")print(f"By default, you'll train for {n_epochs} epochs on this dataset")print(f"By default, you'll be charged for ~{n_epochs * n_billing_tokens_in_dataset} tokens")print("See pricing page to estimate total costs")

验证数据后，需要上传文件才能与微调一起使用：

openai.File.create( file=open("mydata.jsonl", "rb"), purpose='fine-tune')创建微调模型

在确保数据集的数量和结构正确并上传文件后，下一步是创建微调模型。

使用OpenAI SDK开始微调：

import osimport openaiopenai.api_key = os.getenv("OPENAI_API_KEY")openai.FineTuningJob.create(training_file="file-abc123", model="gpt-3.5-turbo")

其中，model是初始的模型的名称（gpt-3.5-turbo、babbage-002或davinci-002）。你可以使用后缀参数自定义微调模型的名称。

开始微调后，可能需要一些时间才能完成。

根据模型和数据集的大小，训练模型可能需要几分钟，或几个小时。模型训练完成后，创建微调模型的用户将收到一封电子邮件确认。

除了创建微调模型之外，你还可以列出现有任务、检索任务状态或取消任务。

# List 10 fine-tuning jobsopenai.FineTuningJob.list(limit=10)# Retrieve the state of a fine-tuneopenai.FineTuningJob.retrieve("ft-abc123")# Cancel a jobopenai.FineTuningJob.cancel("ft-abc123")# List up to 10 events from a fine-tuning jobopenai.FineTuningJob.list_events(id="ft-abc123", limit=10)# Delete a fine-tuned model (must be an owner of the org the model was created in)import openaiopenai.Model.delete("ft-abc123")使用微调模型

任务成功后，在检索工作详细信息时，你将看到fine_tuned_model字段填充了模型的名称。

你现在可以将此模型指定为Chat完成（用于gpt-3.5-turbo）或旧Completions API（用于babbage-002和davinci-002）中的参数，并使用Playground向其发出请求。

所有步骤完成后，模型可以立即用于推理。

在某些情况下，你的模型可能需要几分钟才能准备好处理请求。如果对模型的请求超时或找不到模型名称，很可能是因为模型仍在加载中。如果发生这种情况，请在几分钟后重试。

import osimport openaiopenai.api_key = os.getenv("OPENAI_API_KEY")completion = openai.ChatCompletion.create( model="ft:gpt-3.5-turbo:my-org:custom_suffix:id", messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "Hello!"} ])print(completion.choices[0].message)微调示例

- 风格和语调

在这个例子中，将探讨如何建立一个微调模型，让模型遵循特定的风格和语调指导，而不是仅仅依靠提示。

首先，创建一组示例对话，显示模型应该是什么，如下这个例子是「拼写错误的单词」。

{"messages": [{"role": "system", "content": "Marv is a factual chatbot that is also sarcastic."}, {"role": "user", "content": "What's the capital of France?"}, {"role": "assistant", "content": "Paris, as if everyone doesn't know that already."}]}{"messages": [{"role": "system", "content": "Marv is a factual chatbot that is also sarcastic."}, {"role": "user", "content": "Who wrote 'Romeo and Juliet'?"}, {"role": "assistant", "content": "Oh, just some guy named William Shakespeare. Ever heard of him?"}]}{"messages": [{"role": "system", "content": "Marv is a factual chatbot that is also sarcastic."}, {"role": "user", "content": "How far is the Moon from Earth?"}, {"role": "assistant", "content": "Around 384,400 kilometers. Give or take a few, like that really matters."}]}

如果你想效仿并自己创建一个微调模型，至少需要10个示例。

在获得可能改进模型的数据后，下一步是检查数据是否满足所有格式要求。

在对数据进行了格式化和验证，最后的训练步骤是开始创建微调模型。你可以通过OpenAI CLI或SDK之一执行此操作，如下所示：

openai.File.create(file=open("marv.jsonl", "rb"), purpose='fine-tune')openai.FineTuningJob.create(training_file="file-abc123", model="gpt-3.5-turbo")

一旦训练完成后，你就可以使用自己的微调模型。

- 结构化输出

另一种与微调非常有效的用例是让模型提供结构化信息，如下例子是关于「体育新闻标题」：

{"messages": [{"role": "system", "content": "Given a sports headline, provide the following fields in a JSON dict, where applicable: "player" (full name)", "team", "sport", and "gender".},{"role": "user", "content": "Sources: Colts grant RB Taylor OK to seek trade"},{"role": "assistant", "content": "{"player": "Jonathan Taylor", "team": "Colts", "sport": "football", "gender": "male" }"},]}{"messages": [{"role": "system", "content": "Given a sports headline, provide the following fields in a JSON dict, where applicable: "player" (full name)", "team", "sport", and "gender".},{"role": "user", "content": "OSU 'split down middle' on starting QB battle"},{"role": "assistant", "content": "{"player": null, "team": "OSU", "sport": "football", "gender": null }"},]}

接下来的步骤，如上一个例子：

openai.File.create(file=open("sports-context.jsonl", "rb"), purpose='fine-tune')openai.FineTuningJob.create(training_file="file-abc123", model="gpt-3.5-turbo")

训练完成后，你可以使用微调模型，并提出一下请求：

import osimport openaiopenai.api_key = os.getenv("OPENAI_API_KEY")completion = openai.ChatCompletion.create( model="ft:gpt-3.5-turbo:my-org:custom_suffix:id", messages=[ {"role": "system", "content": "Given a sports headline, provide the following fields in a JSON dict, where applicable: player (full name), team, sport, and gender"}, {"role": "user", "content": "Richardson wins 100m at worlds to cap comeback"} ])print(completion.choices[0].message)

根据格式化的训练数据，响应应如下所示：

{"player": "Sha'Carri Richardson", "team": null", "sport": "track and field", "gender": "female"}

除此之外，在GitHub上斩获了近47k星的「OpenAI Cookbook」（OpenAI API的使用示例和指南），也于第一时间整理出了一份详尽的微调教程。

项目地址：https://github.com/openai/openai-cookbook/blob/main/examples/How_to_finetune_chat_models.ipynb

花粉社群VIP加油站