本文作者来自于上海交通大学人工智能学院的Multi-Agent Governance & Intelligence Crew (MAGIC团队)和牛津大学。共同第一作者有唐铄、庞祥鹤、刘泽希和唐博瀚。指导老师包括上海交大的王延峰教授、陈思衡副教授，以及牛津大学的董晓文副教授。随着大语言模型（LLMs）在处理复杂任务中的广泛应用，高质量数据的获取变得尤为关键。为了确保模型能够准确理解并执行用户指令，模型必须依赖大量真实且多样化的数据进行后训练。然而，获取此类数据往往伴随着高昂的成本和数据稀缺性。因此，如何有效生成能够反映现实需求的高质量合成数据，成为了当前亟需解决的核心挑战。 那么，真实数据的需求是如何产生的？设想一位程序员在进行机器学习模型的开发与调优时，他会提出问题：「如何调整超参数以提高模型预测准确率？」 这种指令并非凭空而来，而是源于他所处的具体工作情境 —— 数据分析和模型优化。同样，用户在日常生活中的指令无论是编程任务、医疗诊断还是商业决策，往往与他们所面临的具体场景密切相关。要生成能够真实反映用户需求的合成数据，必须从这些实际情境中出发，模拟出与用户需求相匹配的场景。 基于这一理念，上海交通大学与牛津大学的研究团队提出了一项创新方案 —— 基于多智能体模拟的数据合成。团队提出了 MATRIX——AI 社会模拟器，构建了一个由 1000 多个 AI 智能体组成的模拟社会。在这个模拟社会中，每一个 AI 智能体代表了一个拥有独立身份和人格的数字人，这些 AI 智能体可以模拟出复杂的交流和互动模式，涵盖了从软件开发到商业活动的广泛场景。基于这些场景，团队进一步开发了 MATRIX-Gen 数据合成器，能够根据不同需求合成高度多样化且高质量的训练指令数据。
论文链接：https://arxiv.org/pdf/2410.14251
代码主页：https://github.com/ShuoTang123/MATRIX-Gen
为验证 MATRIX-Gen 合成数据的高质量，研究团队使用 Llama-3-8B-Instruct 驱动社会模拟，仅合成了 2 万条数据用于训练 Llama-3-8B-Base 模型。尽管数据量极少，训练后的模型在 AlpacaEval 2 和 Arena-Hard 基准测试中竟然大幅超越了 Llama-3-8B-Instruct 自身。这一结果不仅证明了 MATRIX-Gen 合成数据的高效性，也标志着模型在合成数据驱动下实现了自我进化。此外，在代码生成、多轮对话和安全性任务上，MATRIX-Gen 生成的专用数据同样表现优异，甚至超越了为这些特定任务设计的专用数据集。这项研究为通过合成数据提升大语言模型性能提供了全新的解决方案，展示了 AI 模拟社会在数据合成中的巨大潜力，为未来大语言模型的后训练数据合成开辟了创新的路径。基于合成数据的后训练系统 本研究提出的后训练系统旨在利用基于多智能体模拟技术构建的 AI 模拟社会，合成高质量的训练数据，以提升预训练大语言模型的指令跟随能力。该系统的核心理念源于人类在现实场景中提问的方式 —— 人们基于自身需求提出多样且深入的问题。因此，本研究通过 AI 模拟社会合成人类社会中的场景，并利用这些场景引导 LLM 提出信息丰富、贴近现实的问题，从而产生高质量的训练数据。 如下图所示，该系统包含三个步骤： 1. 合成社会场景：利用多智能体模拟技术构建 AI 模拟社会，该社会中的每个场景由一组 AI 智能体及其对应的文本行动构成。为了确保社会场景的真实性和多样性，本研究设计了大规模人类社会模拟器 MATRIX，创建了一个包含各种 AI 智能体的互动环境。此模拟器充分发挥了 LLM 的角色扮演能力，使得 AI 智能体能够逼真地模拟人类行为，进行规划、观察和行动，进而生成丰富且高度真实的社会场景。 2. 合成训练数据：根据合成的社会场景，生成符合任务需求的后训练数据。本研究设计了场景驱动的指令生成器 MATRIX-Gen，模拟人类在日常生活中提出问题的过程，结合场景生成指令，确保更高的真实性；通过选择特定场景，能够合成符合任务需求的数据，具备可控性。这一步骤合成包括 SFT、DPO 以及各种专用数据集。 3. 模型微调：利用合成的 SFT 数据集，对预训练模型进行监督微调，以获得具备指令跟随能力的模型。随后，基于合成的偏好数据集，采用 DPO 进一步训练模型。 AI 社会模拟器 MATRIX 为了合成多样且丰富的场景，以助力数据的合成，本研究提出了人类社会模拟器 MATRIX。该模拟器的输入为若干 AI 智能体档案，输出为文本形式的场景。通过模拟人类的 AI 智能体和结构化的通信机制，MATRIX 实现了大规模的人类社会模拟，从而生成多样且真实的场景。
模拟人类的智能体：每个 AI 智能体根据匿名化的真实人类档案进行初始化，并由 LLM 生成其个性和人生目标。这些目标进一步分解为可执行的步骤，形成 AI 智能体的行动计划。例如，一个医学教授的生活目标可能包括传播科学知识，而其计划则包括进行研究、发表论文、进行讲座和组织教育项目。这些步骤指导 AI 智能体未来的行动，确保它们朝着目标努力并展现出有目的的行为。当出现新观察时，AI 智能体会根据其记忆和个性做出反应；在没有新观察的情况下，它们则遵循既定计划追求目标。
结构化的通信机制：受人类社会中同质性现象的启发，我们根据相似特征对 AI 智能体进行分组，以减少不必要的连接，从而提高模拟的可扩展性。在每组中，本研究引入一个集中调节器来管理组内和组间的沟通。这一设计促进了相似 AI 智能体之间的更多互动，同时仍允许长距离交流，丰富信息流并增强真实性。此外，这种结构化通信机制能够防止 AI 智能体接收到过多无关信息，确保模拟的有效性。
