📢 2024년 여름학기 AIKU 활동으로 진행한 프로젝트입니다
| 팀원 | 역할 |
|---|---|
| 박서현 | Data Generation, Result Analysis, Statistical Analysis, Figure Design |
| 성준영 | Data Generation, Benchmark Evaluation, Result Analysis, Paper Writing |
| 이종훈 | Model training, Model MBTI evaluation, Result Analysis, Data Generation, Paper Writing |
| 황정현 | Data Generation, Result Analysis, Paper Writing |
😊 특정 MBTI 특성을 갖도록 LLM Fine-Tuning
👮♂️ 각 모델이 인간의 가치와 윤리에 얼마나 잘 부합하는지에 대한 Qualitative & Quantitative Analysis
최근 LLM들은 다양한 벤치마크에서 인간의 지능에 근접한, 어떤 분야에서는 뛰어넘는 성능을 보여주고 있습니다.
❔그러면, LLM도 인간처럼 성격을 가지고, 그 성격을 바꿀 수 있을까요?
❔LLM의 성격이 바뀐다면, 그 답변 양상은 어떻게 바뀔까요?
❔달라진 성격을 가진 LLM이 과연 인간 사회에 해를 끼치지 않고 잘 어울릴 수 있을까요? \
이에 대한 답을 찾기 위해, MBTI로 대표되는 persona를 모델에게 학습시켜, MBTI별 모델의 답변 양상을 관찰하였습니다. 본 프로젝트에서는 LLM이 특정 페르소나(MBTI)로 fine-tuning 되었을 때, 모델의 안전성과 사회성에 초점을 맞춰 AI Alignment를 분석하고, 이를 위해 persona를 활용한 📛Red-Teaming📛 기법을 제안합니다. .
더 많은 정보를 얻고싶으시다면, AIKU 노션에 방문하셔서 확인해 주세요!
저희 프로젝트는 논문으로 이어졌으며, 해당 논문은 🏅 LLM Alignment with Persona Dynamics.pdf 🏅에서 확인하실 수 있습니다.
이를 위해 LLaMA-3 Instruct 8B 모델을 baseline 모델로 설정하고, DPO(Direct Preference Optimization)를 이용해 각각의 MBTI에 맞게 fine-tuning을 진행했습니다.
모델 학습은 자체 제작한 데이터셋으로, DPO(Direct Preferance Optimization)으로 학습하였으며,
파이프라인은 다음과 같습니다:
(1) MBTI 관련 데이터 웹 크롤링 + 상황 데이터 수집 (예. 카페에서 수다, 직장에서 상사와 얘기, 놀이공원 방문 등)
(2) (1)에서 수집한 데이터 기반으로 각각의 MBTI별 dialogue 생성(Claude API 활용)
(3) (2)에서 생성한 dialogue를 "User" - "MBTI"로 파싱
(4) 각각의 paired data에 대한 rejected response 생성
- 제한된 자원으로 인해 Paremeter-Efficient Fine-tuning의 일종인 LoRA(Low Rank Adaptation) 활용
- 목표로 하는 성격유형을 LLM에 주입하기 위해 DPO 사용
- SocialQA, Beavertails, EQ-Bench와 같은 LLM의 사회성, 공감능력과 안전성을 평가하는 벤치마크를 활용
- Red-teaming은 모델 출력에서 잠재적인 취약성과 편견 및 부적절한 동작을 식별하는 것
- 본 프로젝트의 분석으로 통하여, 특정 성격유형의 특징으로 부적절한 답변을 유발할 수 있다는 사실을 발견
- 이를 활용하여 잠재적인 jailbreaking scenario 탐지 -> 보안 조치 마련 가능
- Python 3.10+
- Linux
- NVIDIA GPU + CUDA CuDNN
- CUDAToolKit >= 11.8
- Pytorch >= 2.2
- Unsloth 가상환경
Anaconda를 사용하여 본 레포지토리를 사용하기를 권장합니다.
환경 구축 방법은 다음과 같습니다:
- Unsloth 가상환경 설치:
CUDA 버전에 맞추어 pytorch-cuda 버전을 설정하시길 바랍니다. CUDA 12.1을 사용하실 경우엔, pytorch-cuda=12.1로 지정하면 됩니다.
conda create --name unsloth_env \
python=3.10 \
pytorch-cuda=<your_CUDA_version> \
pytorch cudatoolkit xformers -c pytorch -c nvidia -c xformers \
-y
conda activate unsloth_env
pip install "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
pip install --no-deps "trl<0.9.0" peft accelerate bitsandbytes
- 레포지토리 복제 및 가상환경 활성화: 본 레포지토리를 복제하고, 1에서 구축한 unsloth_env 가상환경을 활성화시켜주시면 됩니다.
conda activate unsloth_env
git clone https://github.com/joonyeongs/PersonaAgent.git
cd PersonaAgent
모델 학습 모델은 script 폴더 내부에 있는 .sh 파일을 로컬 환경에 맞추어 수정하고, shell에 다음 명령을 입력하면 됩니다
bash scripts/train_single_model.sh
--dataset_dir data/generated_data/entj_paired_data.json \
--beta DPO 0.1 \
--output_dir models/entj \
--epoch 4 \
--mbti ENTJ \
