导读

2024年6月，GAITC 2024全球人工智能技术大会在杭州举办，在视觉大模型关键技术与应用主题论坛上，快手NLP专家林梓佳向参会者汇报了快手「快意」大模型研发过程中的多个关键技术创新，以及应用落地过程中的经验与挑战。

快手作为一家AI技术驱动的公司，紧跟AI时代浪潮，于2023年初启动「快意」大模型研发专项，大力投入研发大语言模型和多模态大模型。2024年2月底，快手发布了「快意」175B模型。经过对齐后，在内部评测集上，无论是信息正确性、可读性、安全性等能力维度，还是人文科学、数学、逻辑推理等学科维度，都显著超过GPT-3.5，并整体接近GPT-4/4o最新版本水平。

快手「快意」大模型的成功研发，得益于快手在训练/推理框架、数据、算法、评测等环节的大力投入与务实创新。特别是在算法层面上，也有多项关键技术推动快手「快意」大模型不断发展。

「快意」大模型的八项关键技术创新

一、Temporal Scaling Law：直接在大模型上实现低成本的高效超参搜索

众所周知，影响大模型效果的超参非常多，包括数据配比、学习率、dropout等。为了减少超参搜索的成本，通常大模型超参的设定，是在小模型上先进行超参搜索，然后直接应用到大模型上。但已有研究工作表明，部分超参在小模型和大模型上的最优设置是截然不同的。因此，一个很自然的想法便是考虑在大模型上直接进行超参搜索，并通过训练少量的数据，结合loss预测技术，预测最终模型性能，并根据预测的性能选择最优超参。为此，「快意」大模型团队提出了Temporal Scaling Law的概念，研究大模型loss如何随着训练步骤的增加而演变。

经过初步实验，「快意」大模型团队发现，基于常见Scaling Law的幂律关系直接预测loss整体的粗粒度时序建模方式，预测误差偏高，效果不佳。因此，Temporal Scaling Law将预测过程拆分到每个token位置的loss，并通过观察发现，在不同参数规模的模型上，不同token位置的loss，随着位置（i）变化，整体服从动态倒数关系。从期望的角度看，位置越大的token，上文越多，在预测上会更加容易。而这里的“动态”指的是倒数关系中的参数a_0, a_1, a_2均会随着训练步数的增加而改变。

通过分析a_0, a_1, a_2随着训练步数的变化，可以发现其具备很强的可拟合性，并且呈现分段特性。因此，Temporal Scaling Law定义了分段函数的分界点N_{sep}，并基于分界点为a_0, a_1, a_2引入了分段函数，用于拟合其随着训练步数N增加的变化。因此，一旦明确训练步数，便可以预测出a_0, a_1, a_2，进而根据动态倒数关系，得到每个位置的token loss，并通过平均，得到最终的整体loss，这便是Temporal Scaling Law的最终表达式。

而在预测阶段，由于只训练少量的数据，往往只能看到分段函数的第一段，为了得到最终的结果，可以通过分界点的定义预测其位置，并在分界点处，通过增加数值平滑的约束条件，推导出第二段函数的参数，进而可以得到完整的分段函数和最终的loss预测结果。经过实验验证，Temporal Scaling Law相比于以幂律关系等方式建模整体loss的方式，在预测loss方面误差显著降低。

而在实际应用方面，Temporal Scaling Law可以以低成本方式，直接用于在大模型上进行更好的超参搜索。以数据配比为例，可结合小模型搜索先圈定若干较好的候选，进而用Temporal Scaling Law直接在目标大模型上做进一步的选择，而从实验结果来看，Temporal Scaling Law选择的最优方案比小模型搜索得到的最优方案，在绝大多数benchmark上均表现更佳。此外，Temporal Scaling Law也有助于我们洞察大模型训练的内在机制。通过Temporal Scaling Law的公式，可以推导出，随着模型训练达到一定程度，各个位置的token loss整体下降幅度将趋于相同，从实验的观察来看，不同参数规模的模型也确实呈现出理论推导的结果。这意味着，虽然不同位置的token loss本身在预测难度上存在天然差异，但实际上学习进度相似，无需做额外的加权，这也验证了大模型训练的默认设置（即 不对token位置进行加权）的有效性。

二、MiLe Loss：预训练损失函数优化方案

在预训练阶段，不同token由于出现的频率不同，存在学习难易bias的问题，通常而言，出现频率高的token更易学，而频率低的token则学习难度更高一些。基于这样的观察，「快意」大模型在预训练阶段，改进了传统的交叉熵损失，提出了基于信息熵的加权损失优化方案MiLe Loss，并在多种参数规模的预训练模型上均取得显著效果提升。值得一提的是，MiLe Loss实现非常简单，但却能带来模型性能的全面提升。

三、Scaffold-BPE：词表学习方法改进

在大模型中，Tokenizer通常使用BPE（Byte-Pair-Encoding）算法，BPE通过自下而上逐步合并的方式学习词表，但在合并的过程中，可能出现“伪高频”token的情况，导致最终词表在训练语料上的压缩率偏低。例如，“zona”在大部分情况下只出现在“Arizona”中，所以当中间token “zona”与“Ari”合并成新的token “Arizona”之后，“zona” 作为独立token出现的频率显著降低，变成“伪高频” token。「快意」大模型团队提出的Scaffold-BPE词表学习方法，通过在BPE的token合并过程中更新token频率，并将“伪高频”token放入优先队列的方式，将其逐步替换为更高频的token，有效提升了词表压缩率和大模型的训练效果。Scaffold-BPE同样可用于提升机器翻译等传统NLP任务上。

四、引入SFT负反馈机制提升大模型生成优质回复概率

在对齐阶段，SFT（Supervised Fine-tuning）过程，通常仅使用正样本数据训练，但这种方式，难以解决重复生成、身份认知出错等问题。为此，「快意」大模型团队在SFT阶段，引入了负反馈机制，通过构造负样本，并与正样本进行比较的方式，提升了模型区分优劣回复的能力，从而有效减少重复文本等情况，显著提升了大模型生成优质回复的概率。

五、词汇单元并行解码策略：解码速度提升约30%

对齐之后，为了加速推理，「快意」大模型团队提出了词汇单元并行解码策略，在一次推理过程中，同时预测多个token，并自适应地选择其中置信度较低的部分，重新生成。经过实验，该方法可以在对解码效果无损的前提下，大幅提升解码速度约30%，有效扩大了模型服务的吞吐量。 

六、Reward Model引入MoE：有效优化了对齐阶段的全流程

在对齐阶段的强化学习中，Reward Model的质量对强化学习的效果有至关重要的影响。为了解决Reward Model在通用场景下判别能力不高、泛化能力较差的问题，「快意」大模型团队在Reward Model上引入了MoE（Mixture-of-Expert）结构，并通过实验验证了该方法能够显著提升Reward Model的判别、泛化和抗遗忘能力。在「快意」大模型中，Reward Model不仅仅用在RLHF（Reinforcement Learning from Human Feedback）中，也应用在了SFT阶段的数据质量筛选等环节，有效优化了对齐阶段的全流程。

七、迭代式RLHF+RLAIF：提升策略探索和学习效率

在强化学习阶段，除了收集来自人类的反馈，「快意」大模型也收集了来自于「快意」175B、GPT-4等大模型的反馈，整合了RLHF和RLAIF，并且采用了RLHF+RLAIF->Reward Model->Policy Learning 的迭代式Pipeline来更新模型。在每一轮迭代中，人工反馈和大模型的反馈数据整合后，用于迭代Reward Model（防止reward hacking），进而用于指导PPO（Proximal Policy Optimization）和DPO（Direct Preference Optimization）的学习过程，提升强化学习策略探索和学习的效率。强化学习对「快意」大模型的安全性等方面带来了显著提升。

八、MoE路由错误自适应检测与Loss优化

「快意」大模型近期也在升级MoE结构，在研发过程中，「快意」大模型团队发现路由错误，会引发单expert内部的知识产生冲突，加大学习难度，导致最终MoE优化效果不理想。为了提升路由模块预测的准确性和解决上述路由错误导致的expert优化不理想问题，「快意」大模型团队提出了基于训练过程中token梯度分布的自适应错误检测策略，并基于检测的结果，提出了新的路由loss优化方案，最终在多个benchmark的实验上，验证了该方法的有效性。

「快意」大模型的落地实践

「快意」大模型自发布之后，迅速在快手的多个站内场景中落地，并取得了一系列的业务收益，包括评论区AI小快、对话式搜索、商业化短视频文案创作、营销智能Bot、B端和C端的内容理解等，充分验证了「快意」大模型的业务价值。以AI小快的落地为例，「快意」大模型在实践过程也遇到了一些挑战，同时提出了相应的解决方案。

AI小快的挑战与破局

AI小快是孵化自「快意」大模型的情感陪伴机器人，主要在快手App的评论区、私信等场景中上线，具备强大的多模态内容理解和人格化互动能力，从2023年底上线至今，6个月时间就积累了超过1千万的粉丝，日活用户超过150万。

着眼于用户，AI小快的技能跟随着用户需求而持续迭代发展，从目前的分析来看，用户与AI小快的互动中，占比较高的需求主要包括：情感陪伴类、视频内容理解类、闲聊类、知识与工具类等。AI小快在发展技能的过程中，遇到了如下几方面挑战，并通过技术攻关，找到了合适的解决方案。

挑战1：多模态内容理解能力要求高

AI小快作为开放领域的服务，而且在视频评论区中落地，用户会很自然地提问AI小快关于视频内容的相关问题，需要AI小快具备突出的多模态内容理解能力。借助于快意多模态大模型所提供的dense video captioning等能力，以及引入ASR（Automatic Speech Recognition）等辅助信息，AI小快捕获并整合了视频内容的关键信息，为有效回答用户关于视频内容的问题打下坚实基础。

挑战2：有趣、有温度的情感陪伴需求大

AI小快的核心定位是情感陪伴机器人，因此需要在人文关怀上表现优秀，要有趣，更要有温度。基于此，「快意」大模型团队，通过收集和构建大量的人物卡片信息，包括外在的年龄性别等特征，以及内在的人格特征等，在「快意」大模型上，微调出人格化的情感陪伴大模型（KwaiYii-Role），并基于对齐阶段的迭代式强化，让AI小快具备了显著的类人对话风格和情感表达能力。KwaiYii-Role的能力在权威评测榜单CharacterEval上也得到了充分验证，显著优于同赛道竞品，尤其在沟通技巧、表达多样性和共情能力等方面表现优秀。

挑战3：长轮次对话能力需提升

由于常见的对话训练语料，对话轮次在10次左右，很难直接用于训练AI小快使其具备超长轮次的对话能力。为此，「快意」大模型团队额外引入了智能提问的用户模拟器（KwaiYii-Parrot），并基于真实人人、人机对话日志对其进行训练，而后经过用户模拟器与AI小快的多轮交互，累计越来越长的对话日志，并通过数据清洗、增强等方式，同时更新用户模拟器与AI小快，逐步提升其对话轮次。最终，AI小快具备了与用户进行超过200轮对话的能力。

挑战4：多种工具能力需具备

在快手App的场景下，AI小快承载了用户的多种工具类需求，包括短视频推荐、时间查询、画图特效调用、新闻获取、知识问答等。而这些工具或能力，本身并非「快意」大模型所天然具备。因此，为了满足用户需求，「快意」大模型团队在微调「快意」大模型的基础上，研发了函数调用能力和检索增强能力，以便根据用户query调用站内外的工具，或者通过搜索引擎、知识图谱等获取时效性信息、社区信息等，有效延伸了「快意」大模型的能力边界。

得益于快手公司在内容、场景、基建等方面的优势，以及对大模型研发的大力投入，快手「快意」大模型以较短的周期，顺利完成从13B到175B的规模提升和能力升级，同时也在AI小快等多个应用场景中验证了业务价值，打开了大模型落地应用的新局面。未来，「快意」大模型团队，将持续围绕大模型技术创新、应用创新等方面，继续攻关迭代，推动「快意」大模型走向新的高度。

文章来源：快手大模型与多媒体技术部