orpo

无参考模型的语言模型偏好优化技术

ORPO是一种新型语言模型训练方法，无需参考模型即可实现偏好优化。项目展示了ORPO在AlpacaEval、MT-Bench和IFEval等基准测试中的性能。ORPO训练的Mistral-ORPO-β模型在AlpacaEval官方排行榜上获得14.7%的长度控制胜率。项目开源了多个预训练模型和训练日志，为AI研究和开发提供了重要资源。

ORPO模型训练人工智能自然语言处理机器学习Github开源项目

GitHub

Hugging Face

论文

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：

`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

编辑推荐精选

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

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

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

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

最新版Sora2模型免费使用，一键生成无水印视频

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。