懂AI
Llama-3-Instruct-8B-SPPO-Iter2

Llama-3-Instruct-8B-SPPO-Iter2

通过自我博弈偏好优化实现语言模型对齐

该模型在第二轮自我博弈偏好优化中，通过在合成数据集上的微调实现性能提升。基于Meta-Llama-3-8B-Instruct架构，该过程从openbmb/UltraFeedback数据集中提取提示集，并通过snorkelai/Snorkel-Mistral-PairRM-DPO数据集进行三次迭代以提高生成响应的质量。在AlpacaEval和Open LLM排行榜上，该模型在语言理解和推理任务中表现出更优胜率和准确度。

Self-Play Preference Optimization模型调优Huggingface训练参数Github开源项目模型合成数据集语言模型
Hugging Face论文

项目介绍：Llama-3-Instruct-8B-SPPO-Iter2

Llama-3-Instruct-8B-SPPO-Iter2是一个以语言生成为主的模型，其目的是通过优化模型的自身决策过程，提高语言模型的对话效果和一致性。这个项目的核心是使用“自我演练偏好优化（Self-Play Preference Optimization）”的方法进行模型对齐，从而开发出更智能的对话系统。

项目背景

该模型基于Meta-Llama-3-8B-Instruct架构进行构建，并通过多次迭代进行优化。目前的版本是第二次迭代（Iter2）。整个过程中使用了openbmb/UltraFeedback数据集，该数据集被分为三部分，每部分用于一次迭代。所有的模型回应均为合成数据，以模拟真实对话情境。

模型描述

  • 模型类型：8B参数的GPT类模型，专注于合成数据集的微调
  • 使用语言：主要为英语
  • 许可证：Apache-2.0
  • 微调基础模型：meta-llama/Meta-Llama-3-8B-Instruct

链接到其他模型

评估结果

AlpacaEval排行榜评估结果

该评估显示，Iter2在各项指标上均有改善，具体结果如下：

模型LC. 胜率胜率平均长度
Iter131.7331.741962
Iter235.1535.982021
Iter338.7739.852066

Open LLM排行榜评估结果

通过lm-evaluation-harness工具（版本0.4.1）进行，Iter2的整体表现如下：

模型arc_challengetruthfulqa_mc2winograndegsm8khellaswagmmlu平均值
Iter163.8254.9676.4075.4479.8065.6569.35
Iter264.9356.4876.8775.1380.3965.6769.91
Iter365.1958.0477.1174.9180.8665.6070.29

训练超参数

以下是训练时使用的主要超参数：

  • 学习速率：5e-07
  • eta：1000
  • 每设备训练批量大小：8
  • 梯度累计步骤：1
  • 随机种子：42
  • 分布式类型：deepspeed_zero3
  • 设备数量：8
  • 优化器：RMSProp
  • 学习率调度类型：线性
  • 学习率调度预热比例：0.1
  • 总训练周期：6.0（在epoch=1.0时停止）

此项目通过优化语言模型的偏好，使模型在处理语言生成任务时更加自如，提升了对话的流畅度与连贯性。它的成功为进一步改善自然语言处理应用提供了有力的支持。

编辑推荐精选

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码，轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命，一站式智能商拍平台

潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌，基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构，帮助企业扫清合规障碍，筑牢风控防线，成为您企业专属的AI法律顾问。

SimilarWeb流量提升

SimilarWeb流量提升

稳定高效的流量提升解决方案，助力品牌曝光

稳定高效的流量提升解决方案，助力品牌曝光

Sora2视频免费生成

Sora2视频免费生成

最新版Sora2模型免费使用，一键生成无水印视频

最新版Sora2模型免费使用，一键生成无水印视频

下拉加载更多