LLM面面观之LLM复读机问题及解决方案

1. 背景

关于LLM复读机问题，本qiang~在网上搜刮了好几天，结果是大多数客观整理的都有些支离破碎，不够系统。

因此，本qiang~打算做一个相对系统的整理，包括LLM复读机产生的原因以及对应的解决方案。

2. LLM复读机示例

示例1：短语级别的重复

User: 你喜欢北京么？

AI: 北京是中国的首都，有很多名胜古迹，如长城，故宫，天坛等，我十分喜欢喜欢喜欢喜欢…..

示例2：句子级别的重复

User: 你喜欢北京么？

AI: 北京是中国的首都，有很多名胜古迹，如长城，故宫，天坛等，我十分热爱北京，我十分热爱北京，我十分热爱北京，…..

3. LLM复读机原因

本文主要参考了清华大学的论文《Learning to Break the Loop: Analyzing and Mitigating Repetitions for Neural Text Generation》，文中详细介绍了LLM产生复读的原因。论文的前提假设是LLM的解码均为贪心解码(greedy decoding)，即每次生成的token选择词表中概率最大的token。

结论如下：

(1) LLM趋向于提高重复先前句子的概率

特别地，即使仅出现一条句子级的上下文重复，重复的概率在大多数情况下也会增加。产生这种现象的原因可能是LLM对上下文非常有信心，当先前的token共享同一个句子级的上下文时，模型会学到一条捷径，直接复制该token。

另一种解释就是Inudction Head机制，即模型会倾向于从前面已经预测word里面挑选最匹配的词。

举个例子来说明下，示例1中的第二个’喜欢’共享了同句子中的’我十分喜欢’，因此模型直接会将’喜欢’拷贝至’我十分喜欢’，进而生成’我十分喜欢喜欢’

(2) 自我强化效应(self-reinforcement effect)

重复的概率几乎随着历史重复次数的增加而单调增加，最终，重复概率稳定在某个上限值附近。

一旦生成的句子重复几次，模型将会受困于因自我强化效应引起的句子循环。

下图是论文中的图，意思是随着重复次数的增加，’general’一词的概率几乎单调增加，最终趋于稳定。其中红柱表示生成相同token的概率，蓝色表示最大概率。

 

 

(3) 初始概率较高的句子通常具有较强的自我强化效应。

4. 如何解决

目前针对LLM重复生成的问题，主要有两种策略，一种是基于训练思想，一种是基于解码策略。

4.1 基于训练策略

整体思想就是通过构造伪数据，即短语重复、句子重复等伪数据，如短语或句子重复N遍，然后设计重复惩罚项来抑制大模型生成重复句子。

论文中提出了DITTO方法即采用了此策略，DITTO全称为PseuDo RepetITion PenalizaTiOn(不得不佩服算法名称的设计精美~)。

重复惩罚项通过设计损失函数来达成，其中是惩罚因子λ，论文中提到，对于开放式生成，推荐取值为0.5，对于总结摘要类任务，取值为0.9性能更好。

 

 

代码分析：

DITTO损失函数计算的代码块位于https://github.com/Jxu-Thu/DITTO中”DITTO/fairseq/custom/repetetion_penalty_accum_loss.py”方法中，大体流程简要分析如下：

# 构造随机重复的特征

sample, P, L, N, K = self.re_orgnize_sentence(sample)

# 基于构造的重复特征进行预测

net_output = model(**sample['net_input'])

 

……….

 

## 计算损失函数

# 获取重复的基线概率信息

gt_probs, mask, valid_tokens = self.obtain_rep_baseline_prob(model.get_targets(sample, net_output), target_probs.detach(), P, L, N, K)

# 损失函数公式套用

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，基于训练的策略还有其他方式，如UL(unlikelihood training)和SG(straight to gradient)，论文链接可以参考第6小节。

4.2 基于解码策略

基于解码策略包含诸多方法，如beam search, random search(topK, topP), 温度, ngram等。

(1) 集束搜索(beam search)

针对贪心策略的改进，思想就是稍微放宽一些考察范围。即，在每一个时间步，不再只保留当前分数最高的1个输出(贪心策略)，而是保留num_beams个，当num_beams=1时，集束搜索就退化成了贪心搜索。

(2) random search(topK, topP)

topK即从概率最高的K个token中进行筛选，即允许其他高分tokens有机会被选中

topP将可能性之和不超过特定值的top tokens列入候选名单，topP通常设置较高的值，目的是限制可能被采样的低概率token的长尾

(3) 温度T

较低的温度意味着较少的随机性，温度为0将始终产生相同的输出，较高的温度意味着更多的随机性，可以帮助模型给出更有创意的输出。

基于解码的策略墙裂建议直接查阅transformers框架中的实现方法，本qiang~切身体会，阅读源码确实能愉悦身心~

5. 总结

一句话足矣~

本文主要展开解读了LLM的复读机问题，并参考相关论文，给出基于训练策略和基于解码策略的解决手段，相信客官们清楚该问题了。

静待下一次的LLM知识点分享~

6. 参考

(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), 温度: https://zhuanlan.zhihu.com/p/613428710