orpo

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

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><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<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)0.44360.53420.54680.6319
Zephyr-β (7B)0.42330.45470.54920.5767
Mixtral-8X7B-Instruct-v0.10.52130.57120.63430.6823
Mistral-ORPO-⍺ (7B)0.50090.50830.59950.6163
Mistral-ORPO-β (7B)0.52870.55640.63550.6619

编辑推荐精选

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码,轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。

AI工具使用教程AI营销产品酷表ChatExcelAI智能客服
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。

热门AI工具生产力协作转型TraeAI IDE
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

数据安全AI助手热门AI工具AI辅助写作AI论文工具论文写作智能生成大纲
博思AIPPT

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。

热门AI工具AI办公办公工具智能排版AI生成PPT博思AIPPT海量精品模板AI创作
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

下拉加载更多