logo
11
15

【教程】百度智能云千帆大模型平台使用指南-V1.0版本（下）

大模型开发/实践案例

  • 插件应用
  • RLHF
  • Prompt
2023.08.2946252看过
本篇内容为您提供了百度智能云千帆大模型平台大模型服务、插件应用、Prompt工程、RLHF训练等功能具体实操步骤。
目录
一、个人账号申请
二、数据服务实践
三、大模型调优
四、大模型管理
五、大模型服务
六、插件应用
七、Prompt工程
八、RLHF训练
备注：以下简称百度智能云千帆大模型平台为：“千帆大模型平台”

五、大模型服务

5.1服务管理

  1. 模型发布以后，并不是直接可以使用，需要进入到控制台去做一些列操作
  1. 首先服务要开通收费
  1. 在开通收费以后，在控制台创建应用（可以使用已有应用），我这里使用已有应用，点击管理
  1. 点击管理，在应用详情点击编辑
  1. 勾选千帆服务的权限，包含预置服务，以及我们的定制服务（用户大模型调优以后发布的模型服务）
重要：
  • 新创建的应用，会自动勾选上全量千帆服务权限，使用不会有no permission的报错。
  • 但是针对在2023-6-15千帆服务上线以前创建的应用，还需要手动勾选千帆服务，否则会报no permission错误

5.2在线测试

  1. 在完成服务计费开通，以及应用创建以后，我们进入到在线测试，选择模型，
  1. 选择应用
  1. 输入问题，这里我们的问题可以去评估样本集当中找
这里我们使用第一条 
  
  
  
  
  
  

   
   
   
   
   
   

    请根据下面的新闻生成摘要, 内容如下:昨19时许，北京王府井澳门中心卡地亚专卖店，一男子抢走价值约300万元的11块手表后拦截出租车逃离。警方接报警后，仅用时22分钟，19时35分将嫌疑人抓获，起获全部赃物。初步查明，嫌疑人因生活拮据产生歹念，遂持黑色玩具枪实施抢劫。 生成摘要如下:
将上述问题输入到前端页面。
注意：bloom微调返回会带有一个前缀：你是一个对话机器人，请根据问题进行回答。这个后期会优化。
  1. 也可以切换服务，比如此处切换服务为zhaiyao1，这个zhaiyao1是基于ERNIE-Bot-turbo全量参数微调得到的，返回结果如下。

5.3postman接口调用

开发者可能直接使用接口调用更多，可以参考公有云文档：API调用指南
以下是一个使用postman调用服务的示例。

5.4思维链测试

基于ERNIE-Bot、ERNIE-Bot-turbo、SFT服务测试
注意：可能第一次不成功，需要多次几次，尝试重新生成。
案例1 
  
  
  
  
  
  

   
   
   
   
   
   

    这组中的奇数加起来就是偶数：4、8、9、15、12、2、1。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    A： 这组数中是奇数的有（9，15，1），9+15+1=25，因此答案是错误的。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    这组中的奇数加起来就是偶数：17、10、19、4、8、12、24。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    A： 这组数中是奇数的有（17，19），17+19=36，因此答案是正确的。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    这组中的奇数加起来就是偶数：16、11、14、4、8、13、24。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    A： 这组数中是奇数的有（11，13），11+13=24，因此答案是正确的。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    这组中的奇数加起来就是偶数：17、9、10、12、13、4、2。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    A： 这组数中是奇数的有（17，9，13），17+9+13=39，因此答案是错误的。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    这组中的奇数加起来就是偶数：32、5、82、7。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    A：
案例2 
  
  
  
  
  
  

   
   
   
   
   
   

    这组中的奇数加起来就是偶数：4、8、9、15、12、2、1。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    A： 将所有奇数（9，15，1）相加得到25。答案是错误的。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    这组中的奇数加起来就是偶数：17、10、19、4、8、12、24。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    A： 将所有奇数（17，19）相加得到36。答案是正确的。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    这组中的奇数加起来就是偶数：16、11、14、4、8、13、24。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    A： 将所有奇数（11，13）相加得到24。答案是正确的。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    这组中的奇数加起来就是偶数：17、9、10、12、13、4、2。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    A： 将所有奇数（17，9，13）相加得到39。答案是错误的。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    这组中的奇数加起来就是偶数：32、5、82、7。
   
   
   
   
   
   

   
   
   
   
   
   

    
   
   
   
   
   
   

   
   
   
   
   
   

    A：

5.5多版本服务切换

同一个模型的不同版本发布，将进入版本更新流程。版本更新复用原有资源池，不需要用户重复购买资源池。

六、插件应用

6.1功能概述

基于文心一言+插件，可以实现域内知识搜索。文心千帆插件应用提供了端到端的服务，包含了向量数据库、文心一言大模型等。用户只需要上传本地知识文件至文心千帆平台，就可以通过交互式对话方式完成域内知识搜索。对标当前比较火热的langchain+chatglm实现本地知识库搜索的功能。

6.2域内知识搜索

  1. 创建plugin插件，点击【配置插件应用服务】
  1. 配置插件
  1. 选择模型
  1. 配置模型调用ak/sk，这个在前面大模型服务管理章节已经讲过。
  1. 安装插件
  1. 配置插件，上传本地知识文档。
  1. 查看上传文件内容
8.提问 
  
  
  
  
  
  

   
   
   
   
   
   

    非上海生源毕业生落户上海应具备什么条件
  1. 可以看到返回的内容是基于上传的知识库进行回答的，并且带有[内容来自域内知识检索增强插件]标记。
  1. 如果提问跟本地知识库无关的知识，会通过ERNIE-Bot直接返回， 返回答案带有[内容来自ERNIE-Bot]标记 
  
  
  
  
  
  

   
   
   
   
   
   

    上海著名景点有哪些

6.3postman接口调用

  1. 给应用授予插件应用的权限，在控制台勾选
  1. 接口调用

七、prompt工程

  1. 创建prompt模板 
  
  
  
  
  
  

   
   
   
   
   
   

    写一个视频化{number_1}分钟以内，{number_2}个角色{adjective}的{theme}故事。
  1. 在大模型服务当中，引用模板
  2. 按照模板填写关键字段
  1. 生成prompt 
  
  
  
  
  
  

   
   
   
   
   
   

    写一个视频化5分钟以内，4个角色不畏艰难的冒险故事。
  1. 发送请求

八、RLHF训练

注意：强化学习需要大量精标反馈数据，对于数据的要求非常高。普通的测试用例无法训练出来一个好的RLHF模型。
精标数据也是百度与客户共建大模型的一个背景。百度提供技术赋能。客户提供对应精标数据。

8.1数据集对应关系说明

前面大模型调优，用到的都是对轮对话-非排序列数据集。现在要进行强化学习训练，需要用到2类不同的数据集。
  • 奖励模型训练：多轮对话-排序类
  • 强化学习训练：query问题集
序号
训练任务分类
功能菜单
数据集类型
备注
示例
1
有监督微调
SFT
大模型调优
多轮对话-非排序类
1个对话包含多个prompt，每个prompt有1个response。
2
强化学习
RLHF
奖励模型训练
多轮对话-排序类
1个对话包含多个prompt。
1个prompt有多个response，比如response1、response2
3
强化学习训练
query问题集
只有prompt问题，没有response答案

8.2数据集导入

8.2.1奖励模型-多轮对话排序类

导入奖励模型训练所需的多轮对话排序类型数据集

8.2.2强化学习模型-prompt语料无标注

导入强化学习训练所需的prompt语料无标注数据集

8.3奖励模型训练

  1. 创建训练任务
  1. 选择数据集，在奖励模型训练当中，只能选择到多轮对话-排序类数据集。
  1. 奖励模型是用一个内置的bloom5.6亿参数的模型进行训练的。
注意：预置服务那边预置的是bloom7B模型（70亿参数）
  1. 因为bloom_560m参数较小，奖励模型训练时长一般比较短。差不过1小时以内可以完成。

8.4强化学习训练

  1. 创建强化学习任务
  2. 强化学习训练需要用到前面提到的query问题集。
  3. 选择大模型：这里可以使用用户大模型，可以使用预置大模型。
注意：如果选择是用户大模型，这里下来列表对应的是【大模型调优】当中的训练任务列表当中的某个模型的某个版本。即关联的是训练任务，而非已发布的模型。
  1. 参数配置使用默认即可。
  1. 强化学习 1个epoch大概需要2个小时左右完成
  1. 点击发布，将模型发布至模型管理
  1. 点击部署，将模型部署至私有资源池
说明：
  1. 强化学习模型不支持评估、压缩。
  2. 强化学习模型的在线测试与api接口调用方式，与SFT模型一致。

评论
用户头像

相关推荐
作者头像
百度智能云千帆社区

相关文章

热点话题