suzume-llama-3-8B-multilingual-orpo-borda-half

项目介绍：suzume-llama-3-8B-multilingual-orpo-borda-half

背景

suzume-llama-3-8B-multilingual-orpo-borda-half是一个基于多语言模型的项目，旨在通过细致训练改进模型的多语言理解和文本生成能力。该项目基于lightblue/suzume-llama-3-8B-multilingual模型进行优化，使用了lightblue/mitsu数据集，通过ORPO（优化排行偏好优化）方法进行训练。

项目目标

该项目的主要目标是提升模型在不同语言上的表现，使其在处理多语言任务时更加精准。在项目中，研究人员对数据集中最为一致排名的50%响应进行了训练和优化，确保模型具有良好的语言理解能力。

模型版本

在项目中，研究团队训练了多个版本的模型，分别使用了不同比例的数据集进行优化：

• Full版本：训练时使用数据集中所有提示的顶级/底级响应。
• Top75版本：训练时使用75%排名最一致的提示的顶级/底级响应。
• Half版本（即suzume-llama-3-8B-multilingual-orpo-borda-half）：使用50%排名最一致的提示。
• Top25版本：使用25%排名最一致的提示。

推荐使用Half版本，因为该版本在测试中表现较好，特别是在多个语言上的测试分数均有改善。

测试结果

在模型测试中，研究人员比较了六种语言的MT-Bench分数，并与一些基线模型进行了对比。以下是部分测试结果：

• 中文：表现较好，得分为7.74。
• 英语：与基础模型相比表现一致，得分为7.98。
• 法语、德语、日语和俄语：在大多数语言中，ORPO模型超越了基础模型，尤其在俄语测试中达到了8.94的高分。

数据集与训练配置

模型使用了lightblue/mitsu_full_borda数据集进行训练。训练中使用了如下配置：

• 学习率：8e-6
• 批大小：训练时为32，评估时为4
• 优化器：采用Adam优化

当前状态及未来计划

目前该模型仅限于非商业用途，研究团队正在开发一个可供商业使用的版本，未来可能会发布更多改进与更新。

引用与开发者

该项目由Peter Devine开发。有关详细的信息或引用格式，请参阅其在arXiv上的论文：Are You Sure? Rank Them Again: Repeated Ranking For Better Preference Datasets。