demonstrated-feedback

demonstrated-feedback

DITTO方法通过示范反馈优化语言模型对齐

Demonstrated-feedback项目开发了DITTO方法,利用少量示范反馈对齐语言模型。这种方法无需大规模数据集,能够学习细粒度的风格和任务对齐。DITTO在新闻、电子邮件和博客等领域的表现优于现有技术。这一创新为语言模型的个性化提供了高效解决方案。

语言模型对齐演示反馈DITTO自定义LLMGithub开源项目

示范胜于说教:通过演示反馈对齐语言模型

本仓库包含论文《示范胜于说教:通过演示反馈对齐语言模型》的源代码,作者为Omar Shaikh、Michelle Lam、Joey Hejna、Yijia Shao、Michael Bernstein和Diyi Yang。如有任何问题,欢迎联系Omar Shaikh!

[论文]

摘要

语言模型被训练以模仿众多声音的集合,导致其输出与任何特定个体都不完全一致。通过监督微调或RLHF可以引导大型语言模型远离泛泛而谈的输出,但这需要为新的临时任务准备庞大的数据集。我们认为,只需利用少量(<10个)示范作为反馈,就可以将大型语言模型对齐到特定场景。我们的方法"示范迭代任务优化"(DITTO)直接将语言模型输出与用户的示范行为对齐。DITTO借鉴在线模仿学习的理念,通过将用户的示范视为优于大型语言模型及其中间检查点的输出,从而廉价地生成在线比较数据。我们评估了DITTO在新闻文章、电子邮件和博客文章等领域学习精细风格和任务对齐的能力。此外,我们还进行了一项用户研究,征集了参与者(N=16)的各种示范。在我们的基准测试和用户研究中,我们发现DITTO的胜率平均超过少样本提示、监督微调和其他自我对弈方法19个百分点。通过直接使用示范作为反馈,DITTO为大型语言模型的有效定制提供了一种新颖的方法。

使用说明

我们基于alignment-handbook仓库进行开发。以下是设置步骤!

首先,使用Conda等工具创建Python虚拟环境:

conda create -n ditto python=3.10 && conda activate ditto

接下来,安装PyTorch v2.1.2。我们使用以下命令:

conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia

然后,安装alignment handbook的依赖项。

git clone https://github.com/huggingface/alignment-handbook.git cd ./alignment-handbook/ python -m pip install .

最后,安装本仓库的requirements.txt,以避免包更新导致的错误。

pip install -r requirements.txt

run.sh中提供了一个包含训练和生成的示例脚本(训练Mistral Instruct v0.2 7B)。目前设置为对电子邮件示例进行微调。该脚本有一个参数,用于尝试论文中的不同数据集。请注意,您可能需要根据特定硬件或数据集更改配置文件。

bash run.sh

调试

  • AttributeError: 'DittoConfig' object has no attribute 'packing':在requirements.txt中将trl回退到旧版本(trl==0.8.6)。

如何引用本工作?

请随意使用以下BibTeX条目。

BibTeX:

@misc{shaikh2024show, title={Show, Don't Tell: Aligning Language Models with Demonstrated Feedback}, author={Omar Shaikh and Michelle Lam and Joey Hejna and Yijia Shao and Michael Bernstein and Diyi Yang}, year={2024}, eprint={2406.00888}, archivePrefix={arXiv}, primaryClass={cs.CL} }

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多