Llama-3-Instruct-8B-SPPO-Iter3

Llama-3-Instruct-8B-SPPO-Iter3

改进文本生成的创新模型及其在多任务中的性能评估

Llama-3-Instruct-8B-SPPO-Iter3模型采用自我对弈偏好优化技术进行第三次迭代微调,具备强大的文本生成能力。模型通过IFEval、BBH、MATH、GPQA、MuSR等多个数据集进行多任务性能评估,其中IFEval (0-Shot)的严格准确率为68.28。该模型基于meta-llama/Meta-Llama-3-8B-Instruct,使用openbmb/UltraFeedback数据集训练,拥有8B参数,专注于英文文本生成,为语言模型的优化提供了全新视角和实用的性能测试结果。

Apache-2.0Llama-3-Instruct-8B-SPPO-Iter3开源LLM排行榜开源项目自我游戏偏好优化模型GithubHuggingface文本生成

项目介绍:Llama-3-Instruct-8B-SPPO-Iter3

项目背景

Llama-3-Instruct-8B-SPPO-Iter3是一个通过自我博弈偏好优化(Self-Play Preference Optimization, SPPO)技术开发的自然语言处理模型。这个模型是基于Meta-Llama-3-8B模型架构,并进行了三次迭代优化。此项目的主要目的是提升文本生成任务中的模型表现。

模型描述

  • 模型类型:具备80亿参数的GPT类模型,通过合成数据集进行微调。
  • 使用语言:主要是英语
  • 开源许可:Apache-2.0
  • 微调基础模型meta-llama/Meta-Llama-3-8B-Instruct

使用的数据集

在不同的任务中,项目使用了多种数据集进行测试和验证,包括:

  1. IFEval (0-Shot):这项测试在没有任何示例的情况下使用。

    • 性能指标:严格准确率为68.28。
  2. BBH (3-Shot):包含3个示例的测试集。

    • 性能指标:归一化准确率为29.74。
  3. MATH Lvl 5 (4-Shot):包含4个示例的数学题测试集。

    • 性能指标:准确匹配率为7.33。
  4. GPQA (0-shot):完全零示例的问答测试。

    • 性能指标:归一化准确率为2.01。
  5. MuSR (0-shot):完全零示例的任务。

    • 性能指标:归一化准确率为3.09。
  6. MMLU-PRO (5-shot):包含5个示例的测试。

    • 性能指标:准确率为29.38。

模型性能评估

项目在多种标准下进行了评估,如AlpacaEval和Open LLM Leaderboard的评估:

  • AlpacaEval评估:Llama-3-Instruct-8B-SPPO-Iter3的总体胜率为39.85%,在三个迭代版本中表现最佳。
  • Open LLM Leaderboard 1评估:在arc_challenge、truthfulqa_mc2等多个子任务中取得了70.29的平均分。
  • Open LLM Leaderboard 2评估:各项得分见前述数据集。

训练超参数

在训练过程中使用了如下超参数:

  • 学习率:5e-07
  • Eta:1000
  • 每设备训练批次大小:8
  • 梯度累积步骤:1
  • 随机种子:42
  • 分布式类型:deepspeed_zero3
  • 使用设备数量:8
  • 优化器:RMSProp
  • 学习率调度器类型:线性
  • 学习率调度器预热比例:0.1
  • 训练世代数:6.0(在第1个世代停止)

这些超参数设置确保了模型在大规模数据集中有效学习和优化,通过多次迭代提升表现。

引用

``` @misc{wu2024self, title={Self-Play Preference Optimization for Language Model Alignment}, author={Wu, Yue and Sun, Zhiqing and Yuan, Huizhuo and Ji, Kaixuan and Yang, Yiming and Gu, Quanquan}, year={2024}, eprint={2405.00675}, archivePrefix={arXiv}, primaryClass={cs.LG} } \

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