1. 背景
關於LLM復讀機問題，本qiang~在網上搜颳了好幾天，結果是大多數客觀整理的都有些支離破碎，不夠系統。
因此，本qiang~打算做一個相對系統的整理，包括LLM復讀機產生的原因以及對應的解決方案。
2. LLM復讀機示例
示例1：短語級別的重複
|
User: 你喜歡北京麼？ AI: 北京是中國的首都，有很多名勝古蹟，如長城，故宮，天壇等，我十分喜歡喜歡喜歡喜歡….. |
示例2：句子級別的重複
|
User: 你喜歡北京麼？ AI: 北京是中國的首都，有很多名勝古蹟，如長城，故宮，天壇等，我十分熱愛北京，我十分熱愛北京，我十分熱愛北京，….. |
3. LLM復讀機原因
本文主要參考了清華大學的論文《Learning to Break the Loop: Analyzing and Mitigating Repetitions for Neural Text Generation》，文中詳細介紹了LLM產生復讀的原因。論文的前提假設是LLM的解碼均為貪心解碼(greedy decoding)，即每次生成的token選擇詞表中機率最大的token。
結論如下：
(1) LLM趨向於提高重複先前句子的機率
特別地，即使僅出現一條句子級的上下文重複，重複的機率在大多數情況下也會增加。產生這種現象的原因可能是LLM對上下文非常有信心，當先前的token共享同一個句子級的上下文時，模型會學到一條捷徑，直接複製該token。
另一種解釋就是Inudction Head機制，即模型會傾向於從前面已經預測word裡面挑選最匹配的詞。
舉個例子來說明下，示例1中的第二個’喜歡’共享了同句子中的’我十分喜歡’，因此模型直接會將’喜歡’複製至’我十分喜歡’，進而生成’我十分喜歡喜歡’
(2) 自我強化效應(self-reinforcement effect)
重複的機率幾乎隨著歷史重複次數的增加而單調增加，最終，重複機率穩定在某個上限值附近。
一旦生成的句子重複幾次，模型將會受困於因自我強化效應引起的句子迴圈。
下圖是論文中的圖，意思是隨著重複次數的增加，’general’一詞的機率幾乎單調增加，最終趨於穩定。其中紅柱表示生成相同token的機率，藍色表示最大機率。
(3) 初始機率較高的句子通常具有較強的自我強化效應。
4. 如何解決
目前針對LLM重複生成的問題，主要有兩種策略，一種是基於訓練思想，一種是基於解碼策略。
4.1 基於訓練策略
整體思想就是透過構造偽資料，即短語重複、句子重複等偽資料，如短語或句子重複N遍，然後設計重複懲罰項來抑制大模型生成重複句子。
論文中提出了DITTO方法即採用了此策略，DITTO全稱為PseuDo RepetITion PenalizaTiOn(不得不佩服演算法名稱的設計精美~)。
重複懲罰項透過設計損失函式來達成，其中是懲罰因子λ，論文中提到，對於開放式生成，推薦取值為0.5，對於總結摘要類任務，取值為0.9效能更好。
程式碼分析：
DITTO損失函式計算的程式碼塊位於https://github.com/Jxu-Thu/DITTO中”DITTO/fairseq/custom/repetetion_penalty_accum_loss.py”方法中，大體流程簡要分析如下：
|
# 構造隨機重複的特徵 sample, P, L, N, K = self.re_orgnize_sentence(sample) # 基於構造的重複特徵進行預測 net_output = model(**sample['net_input'])
……….
## 計算損失函式 # 獲取重複的基線機率資訊 gt_probs, mask, valid_tokens = self.obtain_rep_baseline_prob(model.get_targets(sample, net_output), target_probs.detach(), P, L, N, K) # 損失函式公式套用 one_minus_probs = torch.clamp((1.0 - torch.abs((target_probs - gt_probs*self.rep_reduce_gamma))), min=1e-20) loss = -torch.log(one_minus_probs) * mask loss = loss.sum() |
此外，基於訓練的策略還有其他方式，如UL(unlikelihood training)和SG(straight to gradient)，論文連結可以參考第6小節。
4.2 基於解碼策略
基於解碼策略包含諸多方法，如beam search, random search(topK, topP), 溫度, ngram等。
(1) 集束搜尋(beam search)
針對貪心策略的改進，思想就是稍微放寬一些考察範圍。即，在每一個時間步，不再只保留當前分數最高的1個輸出(貪心策略)，而是保留num_beams個，當num_beams=1時，集束搜尋就退化成了貪心搜尋。
(2) random search(topK, topP)
topK即從機率最高的K個token中進行篩選，即允許其他高分tokens有機會被選中
topP將可能性之和不超過特定值的top tokens列入候選名單，topP通常設定較高的值，目的是限制可能被取樣的低機率token的長尾
(3) 溫度T
較低的溫度意味著較少的隨機性，溫度為0將始終產生相同的輸出，較高的溫度意味著更多的隨機性，可以幫助模型給出更有創意的輸出。
基於解碼的策略牆裂建議直接查閱transformers框架中的實現方法，本qiang~切身體會，閱讀原始碼確實能愉悅身心~
5. 總結
一句話足矣~
本文主要展開解讀了LLM的復讀機問題，並參考相關論文，給出基於訓練策略和基於解碼策略的解決手段，相信客官們清楚該問題了。
靜待下一次的LLM知識點分享~
6. 參考
(1) DITTO: https://arxiv.org/pdf/2206.02369.pdf
(2) UL: https://arxiv.org/pdf/1908.04319v2.pdf
(3) SG: https://arxiv.org/pdf/2106.07207v1.pdf
(4) beam search: https://zhuanlan.zhihu.com/p/114669778
(5) random search(topK, topP), 溫度: https://zhuanlan.zhihu.com/p/613428710
