はじめに

この記事では、以下のLLMの進化的マージの論文で公開されている評価コードを動かしてみた結果を書きます。

Evolutionary Optimization of Model Merging Recipes

セットアップ

とりあえずローカル環境で試してみました。
環境は以下です。

Mac OS X Ventura 13.3.1
Python 3.9.9

インストール

git clone https://github.com/SakanaAI/evolutionary-model-merge.git
cd evolutionary-model-merge

fastextからlid.176.ftzをダウンロードしてディレクトリに配置してパスを環境変数LID176FTZ_PATHに入れる。
以下のコマンドで対応

curl https://dl.fbaipublicfiles.com/fasttext/supervised-models/lid.176.ftz -o ./lid.176.ftz
export LID176FTZ_PATH=./lid.176.ftz

そのまま以下でライブラリインストール

pip install -e .

CUDAなしのpytorchでもいけないかなーとやってみたらやはりCUDAのエラー（python 3.10 以上にしろというエラーもあった）

OSError: CUDA_HOME environment variable is not set. Please set it to your CUDA install root.

ということで以下でGoogle colabのGPU環境で実行します。

colab環境

colabの環境は以下でした。

Ubuntu 22.04.3 LTS
Python 3.10.12

ローカルでやったものと同様のセットアップを実行して、A100環境で動きました。
※shisa-gamma-7b-v1というモデルだけ、githubのconfigのままではモデルパスのエラーが出たため、以下のように修正

model:
  target: evomerge.CausalLMWithvLLM
  params:
+    model_path: augmxnt/shisa-gamma-7b-v1
-    # model_path: augmxnt/shisa-gamma-7b-v1
-    model_path: /home/mkshing/.cache/huggingface/hub/models--augmxnt--shisa-gamma-7b-v1/snapshots/49bf4a58453d191845668b8ff17e4b8f0e9ccae6/
    # model_kwargs:
    #   dtype: bfloat16
    template: ja-alpaca-cot
  
eval:
  target: evomerge.eval.JaMGSM

結果

現段階（2024/05/11）では、LLMの評価は以下の7つを試すことができます。

リポジトリで公開されているMGSM-JAの正解率の評価を実行した結果が以下です。

モデル	Abel-7B-002	Arithmo2-Mistral-7B	shisa-gamma-7b-v1	WizardMath-7B-V1.1	EvoLLM-JP-A-v1-7B	EvoLLM-JP-v1-7B	EvoLLM-JP-v1-10B
MGSM-JA 正解率	0.316	0.248	0.088	0.448	0.508	0.564	0.536
MGSM-JA 日本語正解率	0.316	0.248	0.088	0.2	0.508	0.532	0.528

なぜかEvoLLM-JP-v1-10Bの正解率よりEvoLLM-JP-v1-7Bの正解率の方が高くなってしまいました。（論文では、10Bのモデルが最も正解率が高くなっています）

ちなみにEvoLLM-JP-v1-7B、EvoLLM-JP-A-v1-7B、EvoLLM-JP-v1-10Bの違いは以下です。

EvoLLM-JP-v1-7B：3つのモデル（Abel-7B-002、shisa-gamma-7b-v1、WizardMath-7B-V1.1）をParameter space（PS）でマージしたモデル（WizardMath-7B-V1.1を使用しているためオープンソースではなく MICROSOFT RESEARCH LICENSE TERMSライセンス）
EvoLLM-JP-A-v1-7B：Apache License, Version 2.0でリリースするために、オープンソースライセンスのモデルのみで作成されたEvoLLM-JP-v1-7Bと同等の性能のモデル（Abel-7B-002、shisa-gamma-7b-v1、Arithmo2-Mistral-7Bのマージ）
EvoLLM-JP-v1-10B：Parameter space（PS）とData flow space（DFS）でマージされたモデル（Abel-7B-002、shisa-gamma-7b-v1、WizardMath-7B-V1.1のマージ）

上記の3つのモデルはマージの仕方と、使っているモデルの違いがあります。

7Bの二つのモデルはParameter space（PS）におけるマージ、つまりアーキテクチャは元のMistralから変えずに重みを加重平均をとったような形でマージしています。

10Bのモデルでは、PSのマージに加えてData flow space（DFS）におけるマージを行っています。
DFSにおけるマージとは、別々のモデルのレイヤーを重ねる形でマージしていく手法で、論文の図がわかりやすいので以下に載せておきます。

今回試したcolabは以下です。全てのセルを実行するだけで評価できます。

まとめ

進化的マージでは、PSとDFSというマージ手法がある。
論文ではMGSM-JAの正解率において、PSとDFSを両方用いている10Bのマージモデルが最も正解率が高いが、公開されている評価コードだと7Bの方が高くなった。

公開されている2つの7Bのマージモデルのうちでは、 EvoLLM-JP-v1-7Bの方が正解率が高くなった。
しかし、EvoLLM-JP-A-v1-7Bは正解率が低いがApache License, Version 2.0なので商用利用が可能

Evolutionary Optimization of Model Merging Recipesを動かしてみる

はじめに

セットアップ

インストール

colab環境

結果

まとめ