大模型系列21-AI聊天机器人

背景

学习大模型已经有一两个月了，为了加深理解，最近开始了一些实践。通过跟随一个bilibili的教程，逐步实现了一个最simple的 AI 聊天机器人。本篇文章主要梳理看视频过程中的机器学习的基础知识，并介绍一些其他的基础知识，只为备忘。

---

机器学习基础

监督学习（Supervised Learning）

概念

监督学习是指使用标注数据进行训练，并通过测试数据集来检验模型效果。

应用场景

• 分类（Classification）：如垃圾邮件分类、图片识别等。
• 回归（Regression）：如房价预测、天气预测等。

主要问题

• 标注数据成本高昂：标注数据需要大量人工干预，且成本较高。
• 泛化能力有限：模型容易在训练数据上表现良好，但在新数据上效果差，容易发生过拟合。
• 无法处理无标签数据：监督学习方法依赖标签，因此不能直接应用于无标签数据的场景。

无监督学习（Unsupervised Learning）

概念

无监督学习无需依赖标注数据，模型通过分析数据本身的结构和规律进行学习，主要用于挖掘数据中潜在的模式。

常见方法

• 聚类（Clustering）：如 K-means、层次聚类。
• 关联规则（Association Rules）：如市场购物篮分析（购买电动牙刷后推荐牙膏）。

应用场景

• 推荐系统：根据用户行为推荐商品。
• 数据降维：如 PCA（主成分分析）优化数据特征。
• 医疗分析：从患者数据中发现潜在的疾病关联。

强化学习（Reinforcement Learning）

概念

强化学习通过与环境的交互学习最优策略，以最大化奖励。它不像监督学习那样需要标注数据，而是通过试错过程不断优化决策策略。

关键要素

• 状态（State）：描述环境的当前情况。
• 动作（Action）：智能体可以选择的操作。
• 奖励（Reward）：智能体执行某个动作后从环境中获得的反馈，通常用于评估该动作的效果。

应用场景

• 自动驾驶：通过与环境交互来不断优化驾驶策略，提高决策能力。
• 游戏 AI：例如 AlphaGo 通过自我对弈学习最优策略，最终战胜顶级围棋选手。在游戏的每个步骤中根据当前的环境状态，考虑当前随后的不同操作（还需要同时兼顾所有历史的操作），不同的操作有不同的得分反馈。

模型优化

在机器学习中，模型的效果通常受到以下三种情况的影响：

• 欠拟合（Underfitting）：模型过于简单，无法捕捉数据中的规律，导致训练误差和测试误差都较高。
• 过拟合（Overfitting）：模型在训练数据上表现良好，但对未见数据的泛化能力差，测试误差较大。
• 最佳拟合（Optimal Fit）：模型在训练集和测试集上都能保持较好的表现，具备良好的泛化能力。

---

Transformer：现代 NLP 的核心

Transformer 的特点

• 全局注意力机制：相比于 RNN，Transformer 能够更好地捕捉长距离的依赖关系，不再依赖顺序性，显著提高了训练效率。
• 并行计算：Transformer 支持并行计算，极大地提升了训练和推理的速度，特别是在大规模数据集上。

大语言模型（LLM）的应用

基于 Transformer 的大语言模型（LLM）具有强大的文本处理能力，能够在以下任务中发挥作用：

• 特征提取：从大量文本中提取有用的特征。
• 文本生成（AIGC）：生成高质量的自然语言文本。
• 问答系统（QA）：自动回答用户提出的问题。
• 文本分类：对文本进行类别分类。
• 文本摘要：从长篇文本中提取出核心信息。
• 机器翻译：自动将一种语言翻译成另一种语言。

Token 统计工具

在处理 LLM 任务时，Token 统计是必不可少的。推荐使用以下工具来进行 Token 计算：
GPT Tokenizer

大语言模型的优化流程

训练一个强大的 LLM 需要经历以下三个步骤：

步骤 1：监督微调（Supervised Fine - Tuning）

• 数据收集：收集人类示范数据（Collect human demonstration data），即人类针对特定提示（Prompt）给出的答案。
• 模型微调：使用这些人类示范数据对基础大语言模型（Base LLM）进行监督微调，得到监督微调模型（SFT，Supervised Fine - tune）。这一步属于监督学习的范畴。

步骤 2：训练奖励模型（Training a Reward Model）

• 偏好数据收集：模型（SFT）针对提示生成多个答案（Answer 1、Answer 2 等），由人类对这些答案进行偏好排序，收集人类偏好数据（Collect human preference data）。
• 奖励模型训练：基于收集到的人类偏好数据，训练一个独立的奖励模型（RM，Reward Model）。这个过程同样是在基础大语言模型的基础上进行微调。

步骤 3：优化策略（Optimize Policy）

• 策略更新：使用强化学习算法（如近端策略优化算法 PPO，Proximal Policy Optimization），在奖励模型（RM）的反馈下更新模型策略（Policy）。模型根据提示（Prompt）生成答案（Answer），奖励模型会根据答案的质量给予奖励（Reward），强化学习算法根据奖励信号来优化模型，使其生成更符合人类偏好的答案。

通过这三个步骤，RLHF 使得模型能够更好地理解和满足人类的需求与偏好，提升生成内容的质量和适用性。

作为一个学习 LLM 的新人，上述逻辑还是让我感觉到很牛的。我们只需要训练好一个BaseLM，这个BaseLM可以作为积木的基础，用以实现模型进化。它的思想是先使用BaseLM（命名为$A$） SFT一个微调模型 $B$，利用微调模型对预定的每个问题得到多个答案，然后利用人类对答案进行打分，这些问题和打分过的答案又可以作为数据源对BaseLM进行微调，以得到一个奖励模型（其实就是打分模型，命名为$C$）；最后我们利用奖励模型$C$来对微调模型$B$的输出进行自动打分，利用强化学习的思想使得微调模型$B$不断进化。
$$\begin{array}{rl}& A\to SFT\to B\\ & A\to 人类打分SFT\to C\\ & B\to RL\to B^{+}(利用C来打分反馈)\end{array}$$

---

Streamlit 介绍

Streamlit 是一个用于构建快速、交互式 Web 应用的 Python 库，特别适用于机器学习和数据科学项目。通过简单的 Python 代码，Streamlit 可以让你快速展示数据可视化、创建交互式界面和展示机器学习模型的结果。总的来说是可以用于快速验证思路，进行demo展示。

安装 Streamlit

你可以通过以下命令安装 Streamlit：

pip install streamlit

示例代码（helloworld）

以下是一个简单的 Streamlit 示例，展示了如何快速创建一个简单的 Web 应用：

import streamlit as stst.title("Streamlit 示例应用")
st.write("""# My First Go ProgramHello World!""")

运行应用

运行以下命令启动 Streamlit 应用：

streamlit run streamlit_app.py

运行结果示例

聊天机器人

下面不到100行的代码，就实现了聊天机器人的web应用，简单、高效。

其中一个注意的地方是：这里我使用本地的ollama+qwen2.5:0.5b来实现，你可以替换为 deepseek 或者 openai 的官方API。
client = OpenAI(api_key=“ollama”, base_url=“http://localhost:11434/v1/”)

OpenAI API 参考

使用 OpenAI 提供的 API 可以方便地调用大语言模型：OpenAI API 文档

运行代码和效果

streamlit run chatbot.py

代码

import streamlit as st
from openai import OpenAIclient = OpenAI(api_key="ollama",base_url="http://localhost:11434/v1/")# 定义左侧边栏
with st.sidebar:st.markdown(f"""<center><img src='https://vip.helloimg.com/i/2024/07/02/66841f6f4a3a5.png' width='100'/><h1>MoBot <sup>®</sup></h1></center>""", unsafe_allow_html=True)# 角色定义输入框 System Messagesystem_message = st.text_area("角色定义", "你是一个能帮助用户的 AI 助手。")# 创造力调节 Temperaturetemperature = st.slider("创造力调节", min_value=0.0, max_value=2.0,value=1.0, step=0.1, help='值越大越具有创造力', format="%.1f")# 清除历史消息记录按钮if st.button("清除历史消息记录"):st.session_state.messages = [{"role": "system","content": system_message},{"role": "assistant","content": "Hi. 我是 Mobot～ 很高兴遇见你！有问必答，专注于懂你的 AI 🤗"}]# 定义右边的 chatbot 对话窗口标题
st.title("🤖 AI 聊天机器人")# 初始化界面的聊天列表
if "messages" not in st.session_state:st.session_state.messages = [{"role": "system","content": system_message},{"role": "assistant","content": "Hi. 我是 Mobot～ 很高兴遇见你！有问必答，专注于懂你的 AI 🤗"}]# Display chat messages from history on app rerun
for message in st.session_state.messages:with st.chat_message(message["role"]):st.markdown(message["content"])# 用户输入
user_query = st.chat_input("说点什么...")
if user_query:# 正确更新 system messagest.session_state.messages[0] = {"role": "system","content": system_message}# 显示用户输入的内容到聊天窗口with st.chat_message("user"):st.write(user_query)# 在聊天窗口输出用户输入的问题st.session_state.messages.append({"role": "user", "content": user_query})with st.chat_message("assistant"):with st.spinner("AI 正在思考..."):print("---------------\n", st.session_state.messages)# 发送请求到APIresponse = client.chat.completions.create(model="qwen2.5:0.5b",messages=st.session_state.messages,temperature=temperature,stream=True)message_placeholder = st.empty()ai_response = ''for chunk in response:chunk_message = chunk.choices[0].delta.content if chunk.choices and chunk.choices[0].delta.content else ''ai_response += chunk_messagemessage_placeholder.markdown(ai_response)# 将AI的回复添加到消息历史st.session_state.messages.append({"role": "assistant", "content": ai_response})

界面运作原理

1. 初始化：应用启动时，会初始化侧边栏、聊天窗口标题和聊天记录。
2. 显示历史记录：将 st.session_state.messages 中的历史聊天记录显示在聊天窗口中。
3. 等待用户输入：用户在输入框中输入消息，点击发送后，消息会显示在聊天窗口中，并添加到 st.session_state.messages 列表中。
4. 获取 AI 回复：应用将包含用户输入的完整聊天记录发送到 OpenAI API，获取 AI 的回复，并将回复显示在聊天窗口中，同时添加到 st.session_state.messages 列表中。
5. 清除历史记录：用户点击侧边栏的 “清除历史消息记录” 按钮，将 st.session_state.messages 重置为初始状态，聊天窗口中的历史记录被清空。

通过这种方式，用户可以持续与 AI 进行对话，并且可以随时调整角色定义和创造力参数，或者清除历史记录。

动画效果

备注：过去该文章有一段关于 RAG 描述，相关内容已经全部汇总到另外一篇文章RAG实践，欢迎移步。