ORPO

更新 (24.03.25)

• 在 🤗<a class="link" href="https://github.com/huggingface/trl">TRL</a> 中添加了 ORPOTrainer 的示例脚本，位于 trl/test_orpo_trainer_demo.py
• 新模型 🤗<a class="link" href="https://huggingface.co/kaist-ai/mistral-orpo-capybara-7k">kaist-ai/mistral-orpo-capybara-7k</a> 已添加到 🤗<a class="link" href="https://huggingface.co/collections/kaist-ai/orpo-65efef87544ba100aef30013">ORPO 集合</a>
• 现在您可以在 🤗<a class="link" href="https://github.com/huggingface/trl">TRL</a>、<a class="link" href="https://github.com/OpenAccess-AI-Collective/axolotl">Axolotl</a> 和 <a class="link" href="https://github.com/hiyouga/LLaMA-Factory">LLaMA-Factory</a> 中尝试 ORPO🔥
• 我们正在制定使用 ORPO 训练 LLMs 的通用指南，敬请期待🔥
• Mistral-ORPO-β 在<a class="link" href="https://tatsu-lab.github.io/alpaca_eval/">官方 AlpacaEval 排行榜</a>上的长度控制（LC）胜率达到了 14.7%🔥

 

这是 <a class="link" href="https://arxiv.org/abs/2403.07691">ORPO：无参考模型的整体偏好优化</a> 的官方仓库。论文中的详细结果可以在以下位置找到：

• 开放 LLM 排行榜
• AlpacaEval
• MT-Bench
• IFEval

模型检查点

我们使用 ORPO 训练的模型可以在以下位置找到：

• Mistral-ORPO-Capybara-7k：🤗 <a class="link" href="https://huggingface.co/kaist-ai/mistral-orpo-capybara-7k">kaist-ai/mistral-orpo-capybara-7k</a>
• Mistral-ORPO-⍺：🤗 <a class="link" href="https://huggingface.co/kaist-ai/mistral-orpo-alpha">kaist-ai/mistral-orpo-alpha</a>
• Mistral-ORPO-β：🤗 <a class="link" href="https://huggingface.co/kaist-ai/mistral-orpo-beta">kaist-ai/mistral-orpo-beta</a>

训练期间所选/被拒绝响应的平均对数概率的相应日志报告在：

• Mistral-ORPO-Capybara-7k：待更新
• Mistral-ORPO-⍺：<a class="link" href="https://wandb.ai/jiwooya1000/PREF/reports/Mistral-ORPO-7B-Training-Log--Vmlldzo3MTE1NzE0?accessToken=rms6o4mg5vo3feu1bvbpk632m4cspe19l0u1p4he3othx5bgean82chn9neiile6">Mistral-ORPO-⍺ 的 Wandb 报告</a>
• Mistral-ORPO-β：<a class="link" href="https://wandb.ai/jiwooya1000/PREF/reports/Mistral-ORPO-7B-Training-Log--Vmlldzo3MTE3MzMy?accessToken=dij4qbp6dcrofsanzbgobjsne9el8a2zkly2u5z82rxisd4wiwv1rhp0s2dub11e">Mistral-ORPO-β 的 Wandb 报告</a>

 

AlpacaEval

<figure> <img class="png" src="https://yellow-cdn.veclightyear.com/ab5030c0/1b7e67ed-ae18-4414-8fb5-5a6c0ea0a09a.png" alt="图片描述"> <figcaption><b>图 1.</b> 使用不同对齐方法训练的模型的 AlpacaEval 2.0 分数。</figcaption> </figure>

 

MT-Bench

<figure> <img class="png" src="https://yellow-cdn.veclightyear.com/ab5030c0/564e155f-a2b3-425a-99d0-011eb00ecf44.png" alt="图片描述"> <figcaption><b>图 2.</b> 按类别划分的 MT-Bench 结果。</figcaption> </figure>

 

IFEval

IFEval 分数是通过应用聊天模板使用 <a class="link" href="https://github.com/EleutherAI/lm-evaluation-harness">EleutherAI/lm-evaluation-harness</a> 测量的。Llama-2-Chat (70B)、Zephyr-β (7B) 和 Mixtral-8X7B-Instruct-v0.1 的分数最初在<a class="link" href="https://twitter.com/wiskojo/status/1739767758462877823">这条推文</a>中报告。

模型类型	提示-严格	提示-宽松	指令-严格	指令-宽松
Llama-2-Chat (70B)	0.4436	0.5342	0.5468	0.6319
Zephyr-β (7B)	0.4233	0.4547	0.5492	0.5767
Mixtral-8X7B-Instruct-v0.1	0.5213	0.5712	0.6343	0.6823
Mistral-ORPO-⍺ (7B)	0.5009	0.5083	0.5995	0.6163
Mistral-ORPO-β (7B)	0.5287	0.5564	0.6355	0.6619