Google Cloud
過去一年堪稱是生成式AI元年,大型語言模型(LLM)強大的表現和泛化能力,帶給企業無限的應用空間。但模型規模越大,開發、部署和維運也就越複雜,於是,LLMOps因運而生,專門針對大型語言模型的各個生命周期提供管理工具,來滿足企業營運LLM應用的需求。
LLMOps的5大特點
進一步來說,LLMOps是機器學習維運MLOps的分支,是一套專門針對大型語言模型開發、部署和維運的實踐方法。有別於MLOps,LLMOps有5大特點,其一是基礎模型選擇。因為,在LLMOps中,使用者通常選擇預訓練過的基礎模型,如開源的Llama 2、Falcon,或透過API呼叫GPT-4、Gemini Pro等模型,作為LLM應用的基底,而非從頭打造。
再來,為確保LLM產出預期的答案,LLMOps還提供特殊工具,來讓使用者實作一系列模型優化,像是提示工程、檢索增強生成(RAG)、全參數微調或參數高效能微調(PEFT),甚至是人類回饋增強學習(RLHF)。其中,RAG是利用資料檢索,搭配特定資料庫,來作為模型生成答案的參考範圍。
不只如此,LLMOps的模型評估和衡量指標,也與MLOps不同。比如,MLOps常以AUC、準確率、F1分數等容易清楚計算的指標,來衡量AI模型表現,但LLM並非如此,還需要特殊的基準測試和指標,如BLEU,或設計特定領域的題目、再透過其他LLM(如GPT-4)或以人工來評分答案,才能判斷模型表現。
此外,LLM應用的部署也與一般ML模型不同,比如需要串接額外的向量資料庫或提示,來更好發揮LLM效能。LLM上線後,不只需要維運工具來把關模型是否漂移,還需要專屬工具來衡量提示與答案組的品質。這些就是LLMOps的5大特點。
3大公雲投入,LLMOps工具鏈開始成形
在生成式AI遍地開花之際,3大公雲業者也瞄準LLMOps需求,開始布局LLMOps工具鏈,更在2023下半年加碼投入。比如,微軟早在去年5月推出Azure AI Studio平臺,來管理生成式AI基礎模型的建立、訓練、評估、部署和維運階段,更特別鎖定提示工程,推出名為Prompt Flow的生成提示工程工具,來讓開發者設計、優化和管理生成提示,提高語言模型回應的精準度。
而且,微軟還納入提示流程圖功能,清楚顯示輸入問題、提示建立、提示整合,到LLM回應與輸出的過程,不只讓開發者掌握每個提示的生命周期,還能作為比對工具,來查看每個步驟的輸入和輸出、了解各流程環節對模型回應的影響,透過微調和實驗來優化模型輸出品質。
不只是提示,微軟這款平臺還針對搜尋、推薦相關的內容生成需求,支援RAG,來作為調用LLM的預處理機制。去年11月,微軟更進一步將LLMOps擴展至小型語言模型,公開預覽了Windows AI Studio,提供Phi-2在內的多款小型基礎模型供選擇,開發者微調模型後,還一樣能透過Prompt Flow工具和Gradio模板來測試模型。
另一方面,Google也在去年5月,大動作升級機器學習開發平臺Vertex AI,在其中的模型花園添加更多開源和商用LLM基礎模型,還在平臺上提供多項微調方法,包括提示設計、LoRA微調、蒸餾和RLHF,讓Vertex AI更貼近生成式AI開發需求。
而且,就在上個月推出Gemini模型的同時,Google還揭露一系列Vertex AI新LLMOps工具,涵蓋了模型增強、與外部資料或API互動、自動化LLM評比和更多GAI控制機制。比如,增強工具能強化RAG機制、串接外部向量資料庫,來實現Vertex AI的多模態嵌入檢索,而自動化LLM評比工具Auto SxS,還能一對一自動比較兩個模型對指定任務的執行結果,並在模型部署上線後,自動追蹤每次從輸入到輸出的回應速度,來掌握模型效能。甚至,Google還預告要在Vertex AI平臺上新添多模型協作框架,來調度多個模型。
AWS也在去年發展LLMOps,不只在2023年9月正式推出全託管AI平臺Bedrock,讓開發者透過API來使用多種基礎模型、簡單客製化,還在12月進一步推出支援RAG機制的無伺服器向量引擎,可儲存和查詢數十億個嵌入。他們甚至還預告,未來所有AWS資料庫都將具備向量功能,來加速企業整合資料、開發生成式AI應用。
降低企業嘗試門檻,加速GAI深入不同場景
這些工具的出現,加速了企業LLM應用的開發。例如公雲業者的生成式AI開發平臺,提供了數十種熱門的基礎模型供開發者選擇,開發者可快速嘗試不同模型,來找出最合適的基底,作為應用核心。
再來,提示工程工具不只能幫助企業管理提示,還能降低開發LLM應用的門檻。因為,這類提示工程工具可用來建置、調度、評估、測試、部署和監控提示,協助企業找出好的提示,而好的提示能引導LLM給出更高品質的回應。如此一來,企業不需進行複雜的微調,也能提高LLM表現。
而LLMOps的RAG工具和向量資料庫支援,更能加速企業發展多模態應用。尤其,企業可將文字、影音或圖像等資料轉為向量,儲存至向量資料庫,再透過嵌入向量比對,來找出最相近的資料、交給模型生成答案,促進多模態應用發展,可以來因應企業更多元的內部應用,或是更多種業務場景的需求。
熱門新聞
2024-12-03
2024-11-29
2024-12-02
2024-12-02
2024-12-03