magpie

magpie

利用提示对齐的语言模型从零生成高质量对齐数据

Magpie 项目通过提示对齐的大型语言模型生成高质量的对齐数据,无需提示工程或种子问题。该方法通过对齐模型的预查询模板生成用户查询和响应,已在Llama-3、Qwen2、Phi 3 和 Gemma-2系列模型上测试。最新更新包括多款增强中文问答能力和推理能力的数据集。项目开放这些高质量数据,推动AI民主化,提升模型对齐过程的透明度。

MagpieLLM对齐数据数据生成HuggingfaceGithub开源项目

Magpie 项目介绍

项目概述

Magpie 是一个专注于生成高质量对齐数据的项目。其创新之处在于不依赖传统的提示工程或种子问题,而是通过使用对齐的语言模型(LLM)的提示模板来创建用户查询和模型响应。这一方法使得数据生成更加直接高效。

Magpie 的工作原理

Magpie 利用对齐的逻辑自回归模型特性,通过输入左半边的模板信息生成用户查询并获取响应。这就是所谓的“自合成”方法,使得我们能够从对齐的LLM直接提取大规模的指令数据。

最新动态

  • 新发布了 Qwen2.5 和 Llama-3.1 系列的大规模数据集及模型,性能一流。
  • 引入了多种优化数据集,包括偏好优化数据集和推理增强数据集。
  • Magpie 在多个语言模型系列上经过测试,包括Llama-3、Qwen2、Phi 3 和 Gemma-2系列。

安装与使用

为了开始使用Magpie,用户需要安装必要的环境和依赖。可以通过以下命令进行安装:

git clone https://github.com/magpie-align/magpie.git cd magpie conda create -n magpie python=3.10 -y conda activate magpie pip install -r requirements.txt

想要使用Llama-3模型,需要在Huggingface平台上申请访问权限,然后登录以获取模型。

数据生成与处理

数据生成

Magpie可以进行批量SFT(supervised fine-tuning)数据的生成。例如,可以使用Llama-3-8B-Instruct模型进行批量生成:

cd scripts bash magpie.sh

生成的数据将保存至指定数据文件夹,可以进一步用于模型的调优。

数据筛选与过滤

  1. 标签生成:为生成的数据添加不同的标签,包括质量、难度、任务类别、安全性等。

    cd scripts bash unitag.sh ***_ins_res.json all
  2. 数据合并和转换:提供了一个Jupyter Notebook用于将多个数据集合并并转换为ShareGPT格式,以便在其他环境如Axolotl中进行微调。

  3. 消除重复数据:通过计算指令之间的最小邻居距离,清除重复项。

  4. 自定义过滤器:用户可以设计和应用自定义过滤器来选择合格的数据。

偏好数据生成

为生成偏好数据,用户需要先准备已筛选的指令。然后使用提供的脚本生成多个响应并计算其对应的奖励,最终上传到Huggingface平台。

微调与模型改进

Magpie项目还提供了多种微调的食谱和指南,帮助用户在使用和改进模型时更高效。

研究成果

如果Magpie的模型、数据或代码对您的研究有帮助,欢迎引用我们的论文:

@article{xu2024magpie,
  title={Magpie: Alignment Data Synthesis from Scratch by Prompting Aligned LLMs with Nothing},
  author={Zhangchen Xu and Fengqing Jiang and Luyao Niu and Yuntian Deng and Radha Poovendran and Yejin Choi and Bill Yuchen Lin},
  journal={ArXiv},
  year={2024},
  volume={abs/2406.08464},
  url={https://api.semanticscholar.org/CorpusID:270391432}
}

Magpie 致力于通过透明的对齐过程来推动AI的民主化,期待在更多项目中展现其潜力。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

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。

下拉加载更多