Llama-3-Instruct-8B-SPPO-Iter3

Llama-3-Instruct-8B-SPPO-Iter3

改进文本生成的创新模型及其在多任务中的性能评估

Llama-3-Instruct-8B-SPPO-Iter3模型采用自我对弈偏好优化技术进行第三次迭代微调,具备强大的文本生成能力。模型通过IFEval、BBH、MATH、GPQA、MuSR等多个数据集进行多任务性能评估,其中IFEval (0-Shot)的严格准确率为68.28。该模型基于meta-llama/Meta-Llama-3-8B-Instruct,使用openbmb/UltraFeedback数据集训练,拥有8B参数,专注于英文文本生成,为语言模型的优化提供了全新视角和实用的性能测试结果。

Apache-2.0Llama-3-Instruct-8B-SPPO-Iter3开源LLM排行榜开源项目自我游戏偏好优化模型GithubHuggingface文本生成

项目介绍:Llama-3-Instruct-8B-SPPO-Iter3

项目背景

Llama-3-Instruct-8B-SPPO-Iter3是一个通过自我博弈偏好优化(Self-Play Preference Optimization, SPPO)技术开发的自然语言处理模型。这个模型是基于Meta-Llama-3-8B模型架构,并进行了三次迭代优化。此项目的主要目的是提升文本生成任务中的模型表现。

模型描述

  • 模型类型:具备80亿参数的GPT类模型,通过合成数据集进行微调。
  • 使用语言:主要是英语
  • 开源许可:Apache-2.0
  • 微调基础模型meta-llama/Meta-Llama-3-8B-Instruct

使用的数据集

在不同的任务中,项目使用了多种数据集进行测试和验证,包括:

  1. IFEval (0-Shot):这项测试在没有任何示例的情况下使用。

    • 性能指标:严格准确率为68.28。
  2. BBH (3-Shot):包含3个示例的测试集。

    • 性能指标:归一化准确率为29.74。
  3. MATH Lvl 5 (4-Shot):包含4个示例的数学题测试集。

    • 性能指标:准确匹配率为7.33。
  4. GPQA (0-shot):完全零示例的问答测试。

    • 性能指标:归一化准确率为2.01。
  5. MuSR (0-shot):完全零示例的任务。

    • 性能指标:归一化准确率为3.09。
  6. MMLU-PRO (5-shot):包含5个示例的测试。

    • 性能指标:准确率为29.38。

模型性能评估

项目在多种标准下进行了评估,如AlpacaEval和Open LLM Leaderboard的评估:

  • AlpacaEval评估:Llama-3-Instruct-8B-SPPO-Iter3的总体胜率为39.85%,在三个迭代版本中表现最佳。
  • Open LLM Leaderboard 1评估:在arc_challenge、truthfulqa_mc2等多个子任务中取得了70.29的平均分。
  • Open LLM Leaderboard 2评估:各项得分见前述数据集。

训练超参数

在训练过程中使用了如下超参数:

  • 学习率:5e-07
  • Eta:1000
  • 每设备训练批次大小:8
  • 梯度累积步骤:1
  • 随机种子:42
  • 分布式类型:deepspeed_zero3
  • 使用设备数量:8
  • 优化器:RMSProp
  • 学习率调度器类型:线性
  • 学习率调度器预热比例:0.1
  • 训练世代数:6.0(在第1个世代停止)

这些超参数设置确保了模型在大规模数据集中有效学习和优化,通过多次迭代提升表现。

引用

``` @misc{wu2024self, title={Self-Play Preference Optimization for Language Model Alignment}, author={Wu, Yue and Sun, Zhiqing and Yuan, Huizhuo and Ji, Kaixuan and Yang, Yiming and Gu, Quanquan}, year={2024}, eprint={2405.00675}, archivePrefix={arXiv}, primaryClass={cs.LG} } \

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