SPPO
自我对弈优化提升语言模型对齐效果
SPPO采用自我对弈框架和新的学习目标， 有效提升大规模语言模型性能。通过理论推导和多数据集实证验证，SPPO无需外部信号即可超越GPT-4等模型。该项目源代码和多个优化模型如Mistral-7B、Llama-3-8B、Gemma-2-9B均已开源，详情可参考相关论文。
项目介绍：SPPO 语言模型对齐优化
项目背景
SPPO，全称为自对弈偏好优化，是一项帮助语言模型（LLM）进行对齐的新方法。它旨在通过自我对弈框架为大型语言模型的微调提供高效的优化途径，并引入了一种新的学习目标——SPPO损失，从而在没有强烈外部信号（如GPT-4的响应或偏好）的情况下显著提升LLM的表现。
项目团队
此项目由来自卡内基梅隆大学和加州大学洛杉矶分校的学者们共同开发，包括吴越、孙志清、袁辉卓、纪凯旋、杨一鸣和顾泉泉。
发布的模型
已发布模型包括Mistral-7B和Llama-3-8B系列，在AlpacaEval 2.0开放排行榜中取得了显著成绩，这些模型通过不同迭代的SPPO方法不断优化，在多项基准测试中展现出超过一些专有模型（如GPT-4）的能力。
- Mistral-7B-SPPO Iter3：在AlpacaEval 2.0长度控制胜率中达到28.53%。
- Llama-3-8B-SPPO Iter3：进一步提升，胜率达到38.77%。
- Gemma-2-9B-SPPO Iter3：胜率高达53.27%，展现出超越其他方法的卓越表现。
环境配置与训练步骤
为了使用SPPO方法，用户需要根据以下步骤设置训练环境：
- 创建Python虚拟环境，确保与所需的依赖兼容。
- 安装生成工具
vllm和排名工具PairRM。 - 克隆项目代码库并安装，需要具备一定的命令行操作能力。
- 根据基础模型选择合适的训练脚本，启动自对弈优化过程。
模型评估
项目使用多个基准进行模型评估，包括AlpacaEval 2.0和MT-Bench，并将结果上传到HuggingFace的开放LLM排行榜，以确保模型表现的公开透明和可验证性。
项目交流与支持
如有关于论文的问题，可以通过邮件联系项目作者；如果在使用 代码过程中遇到问题，欢迎在GitHub上提交问题反馈，项目团队将尽力提供技术支持和解答。
致谢
本项目感谢《The Alignment Handbook》团队和PairRM、vllm工具的开发者们的贡献，这些工作都对SPPO的开发与实现产生了重要影响。
编辑推荐精选
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。
商汤小浣熊
最强AI数据分析助手
小浣熊家族Raccoon，您的AI智能助手，致力于通过先进的人工智能技术，为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答，小浣熊都能以快速、准确的响应满足您的需求，让您的生活更加智能便捷。
imini AI
像人一样思考的AI智能体
imini 是一款超级AI智能体，能根据人类指令，自主思考、自主完成、并且交付结果的AI智能体。
Keevx
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。
即梦AI
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作
扣子-AI办公
AI办公助手，复杂任务高效处理
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
蛙蛙写作
AI小说写作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号