“非常接近GPT-4”的WizardLM-2被微软紧急撤回，有什么内幕？

前段时间，微软搞了个乌龙：隆重地开源了 WizardLM-2，又在不久后撤回得干干净净。

据现在可以查到的 WizardLM-2 发布信息，这是一个「真正媲美 GPT-4」的开源大模型，在复杂聊天、多语言、推理和代理方面的性能得到了提高。

该系列包括三个模型：WizardLM-2 8x22B、WizardLM-2 70B 和 WizardLM-2 7B。其中：

WizardLM-2 8x22B 是最先进的模型，也是对高度复杂任务进行内部评估后得出的最佳开源 LLM。

WizardLM-2 70B 具备顶级推理能力，是同等规模的首选；

WizardLM-2 7B 是速度最快的，其性能可与现有的 10 倍大的开源领先模型相媲美。

此外，通过人类偏好评估，WizardLM-28x22B 的能力「只是稍微落后于 GPT-4-1106 预览版，但明显强于 CommandRPlus 和 GPT4-0314。」

它会和 LLaMa 3 一样，成为又一开源里程碑吗？

当大家忙着下载模型的时候，团队却突然撤回了一切：博客、GitHub、HuggingFace 全部 404。

图源：https://wizardlm.github.io/WizardLM2/

团队的解释是：

所有 Huggingface 的朋友们，大家好！很抱歉，我们删除了模型。我们已经有一段时间没有发布几个月前的模型了，所以我们现在不熟悉新的发布流程：我们不小心遗漏了模型发布流程中的一个必要项目 — 毒性测试。这是目前所有新模型都需要完成的一个步骤。

我们目前正在快速完成这项测试，然后将尽快重新发布我们的模型。不用担心，感谢关心和理解。

但 AI 社区对 WizardLM-2 的关注和讨论没有停止，疑点有几个：

第一，被删掉的开源项目不只是 WizardLM-2，该团队所有的 Wizard 系列工作都不见了，包括此前的 WizardMath 和 WizardCoder。

第二，有人质疑，删除模型权重的同时，为何连博客也删除呢？如果是只是缺少测试部分，没必要撤回得干干净净。

团队的解释是：「根据相关规定。」具体什么规定？目前没人知道。

第三，还有人猜测 WizardLM 背后的团队已经被解雇，撤回 Wizard 系列项目也是被迫的。

不过，这种猜测被团队否认了：

图源：https://x.com/_Mira___Mira_/status/1783716276944486751

图源：https://x.com/DavidFSWD/status/1783682898786152470

而且我们现在搜索作者的名字，也并没有从微软官网中完全消失：

图源：https://www.microsoft.com/en-us/research/people/qins/

第四，有人猜测，微软撤回这个开源模型，一是因为性能过于接近 GPT-4，二是因为和 OpenAI 的技术路线「撞车」了。

具体是什么路线呢？我们可以看一下当初博客页面的技术细节。

团队表示，通过 LLM 训练，自然界中人类生成的数据日益枯竭，而 AI 精心创建的数据和 AI Step-by-Step 监督的模型将是通往更强大 AI 的唯一途径。

过去的一年里，微软团队建立了一个完全由人工智能驱动的合成训练系统，如下图所示。

大概分为几个版块：

数据预处理：

数据分析：使用这个 pipeline 来获得新源数据的不同属性的分布，这有助于对数据有一个初步的了解。

加权采样：最佳训练数据的分布往往与人类聊天语料的自然分布不一致，需要根据实验经验调整训练数据中各属性的权重。

Evol Lab：

Evol-Instruct：投入了大量精力重新评估了最初 Evol-Instruct 方法中存在的各种问题，并对其进行了初步修改，新方法能让各种智能体自动生成高质量的指令。

Evol-Answer：引导模型多次生成和重写回复，可以提高其逻辑性、正确性和亲和力。

AI Align AI（AAA）：

协同教学：收集 WizardLM 和各种授权开源和专有的最先进模型，然后让它们协同教学并相互提高，教学内容包括模拟聊天、质量评判、改进建议和缩小技能差距等。

Self-Teaching：WizardLM 可以通过激活学习，为监督学习生成新的进化训练数据，为强化学习生成偏好数据。

学习：

监督学习。

阶段 - DPO：为了更有效地进行离线强化学习，将优选数据分割成不同的片段，并逐级改进模型。

RLEIF：采用指令质量奖励模型（IRM）与过程监督奖励模型（PRM）相结合的方法，使得在线强化学习中实现更精确的正确性。

最后要说的是，任何猜测都是徒劳的，让我们期待一下 WizardLM-2 的复出吧。