懂AI
SPPO

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。

SPPOAlpacaEval 2.0Mistral-7B-InstructLlama-3-8B-InstructGemma-2-9B-It-SPPO-Iter3Github开源项目
访问官网GitHubHugging Face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：

  1. 创建Python虚拟环境，确保与所需的依赖兼容。
  2. 安装生成工具vllm和排名工具PairRM。
  3. 克隆项目代码库并安装，需要具备一定的命令行操作能力。
  4. 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

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

Transly

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。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
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
商汤小浣熊

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

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

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。

下拉加载更多