Logo
Project Icon

direct-preference-optimization

DPO算法实现语言模型的偏好数据优化

DPO语言模型偏好优化机器学习训练算法Github开源项目

DPO(Direct Preference Optimization)是一种语言模型训练算法,通过偏好数据优化模型。该项目提供DPO算法的参考实现,包含监督微调和基于偏好学习两个阶段。支持各种因果HuggingFace模型,可添加自定义数据集,并包括'conservative' DPO和IPO等变体。这为研究人员提供了灵活工具,用于从偏好数据训练语言模型。

GithubGithub文档文档论文论文
介绍相关项目
Truthful_DPO_TomGrc_FusionNet_7Bx2_MoE_13B - 利用DPO优化方法提升语言模型的性能
DPO TrainerGithubHuggingfaceTomGrc/FusionNet_7Bx2_MoE_14B偏好数据开源项目数据集模型语言模型
使用DPO Trainer在TomGrc/FusionNet_7Bx2_MoE_13B上优化语言模型，通过TRL实现偏好数据训练，提升模型效果。了解Rafailov等人的直接偏好优化方法，以提升模型性能，提供更精准的结果。
orpo - 无参考模型的语言模型偏好优化技术
GithubORPO人工智能开源项目机器学习模型训练自然语言处理
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。
Step-DPO - 优化大语言模型长链推理的高效方案
GithubStep-DPO大语言模型开源项目数学问题模型微调长链推理
Step-DPO是一种旨在提升大语言模型长链推理能力的新方法。该方法通过数据构建流程生成了1万对高质量步骤偏好对数据集，在仅使用少量数据的情况下显著提升了模型性能。研究表明，Step-DPO能将Qwen2-7B-Instruct在MATH和GSM8K测试集上的得分分别提高5.6%和2.4%。应用Step-DPO后的Qwen2-72B-Instruct更是在这两个测试集上分别达到70.8%和94.0%的得分，超越了多个闭源模型。
SimPO - 无需参考模型的简化优化算法
ArmoRMDPOGemmaGithubSimPOUltraFeedback开源项目
SimPO是一个无需参考模型的简化偏好优化算法，表现优于AlpacaEval 2、MT-Bench和Arena-Hard等多个基准。2024年7月更新发布的SimPO模型通过微调Google的gemma-2 9B模型，达成了72.4% AlapcaEval 2 LC胜率和59.1% Arena-Hard胜率。更多详情、训练脚本和数据生成脚本请访问SimPO的GitHub仓库。
BPO - 优化大语言模型对齐的创新黑盒方法
BPOGithub大语言模型开源项目提示词优化无需训练模型对齐
Black-Box Prompt Optimization (BPO) 是一种新型大语言模型对齐技术，无需模型训练即可提升性能。项目通过创新方法缩小人类与AI模型间的差距，在Vicuna Eval评估中优于gpt-3.5-turbo和claude-2，并超越PPO和DPO方法。BPO提供完整的模型、数据集、演示和使用指南，为AI研究和开发提供全面支持。
pretraining-with-human-feedback - 基于人类偏好预训练的语言模型代码库
GithubHugging Facetoxicity人类偏好多任务开源项目预训练
该项目为根据人类偏好预训练语言模型提供了一套基于Hugging Face Transformers和wandb的工具。项目实现了五种预训练目标，通过对训练数据注释并使用这些目标函数提升模型性能，包括毒性检测和隐私信息识别等任务。项目还提供详细的配置文件和评估方式指导。
RLHF-Reward-Modeling - 训练 RLHF 奖励模型的配方
ArmoRMBradley-Terry Reward ModelGithubRLHFRewardBenchpair-preference model开源项目
该项目专注于通过顺序拒绝采样微调和迭代DPO方法进行奖励和偏好模型训练，提供包括ArmoRM、Pair Preference Model和Bradley-Terry Reward Model在内的多种开源模型，并在RewardBench排行榜中表现显著。项目内容涵盖奖励建模、模型架构、数据集准备和评估结果，适用于基于DRL的RLHF及多项学术研究。
ALMA-13B-Pretrain - 改进大型语言模型的翻译性能与偏好优化技术
ALMAGithubHuggingfaceLoRA微调对比偏好优化开源项目数据集机器翻译模型
ALMA基于新的翻译模型范式，初步在单语数据上进行精调，接着应用高质量的平行数据进行优化，从而显著提升大型语言模型的翻译效果。其最新版本ALMA-R采用了对比偏好优化（CPO），相较于传统监督精调，进一步提高了翻译的精度，可与GPT-4媲美。尤其是ALMA-13B-LoRA，通过过渡性精调和人类撰写的平行数据，确保了在专业翻译任务中的卓越表现。
Llama-3-Instruct-8B-SPPO-Iter2 - 通过自我博弈偏好优化实现语言模型对齐
GithubHuggingfaceSelf-Play Preference Optimization合成数据集开源项目模型模型调优训练参数语言模型
该模型在第二轮自我博弈偏好优化中，通过在合成数据集上的微调实现性能提升。基于Meta-Llama-3-8B-Instruct架构，该过程从openbmb/UltraFeedback数据集中提取提示集，并通过snorkelai/Snorkel-Mistral-PairRM-DPO数据集进行三次迭代以提高生成响应的质量。在AlpacaEval和Open LLM排行榜上，该模型在语言理解和推理任务中表现出更优胜率和准确度。
dspy - 自优化语言模型程序框架
AI框架DSPyGithub开源项目提示工程程序优化语言模型
DSPy是一个语言模型编程框架，通过分离程序流程和参数，实现了提示词和权重的自动优化。该框架引入了新型优化器，能根据特定指标调整参数，有效提升GPT-3.5、GPT-4等模型的性能。DSPy为开发者提供了系统化方法，以更高效地解决复杂AI任务，显著改善了语言模型在各种应用中的可靠性。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

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。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号