SimPO
无需参考模型的简化优化算法
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。
简介
Simple Preference Optimization（简称SimPO），即简单偏好优化，是一种针对偏好优化问题的新算法，旨在实现比当前方法（如DPO，即直接偏好优化）更高效的优化效果。SimPO无需参考模型，并在多个基准评估中，如AlpacaEval 2、MT-Bench和Arena-Hard等，表现优于现有的DPO方法及其变体。
项目更新
最近更新
- 2024年10月12日：为方便重现，我们发布了Llama3-Instruct和Gemma2-IT的训练曲线。
- 2024年7月17日：通过对Google的gemma-2 9B模型进行优化，发布了新的 SimPO模型，该模型在AlpacaEval 2上取得了72.4的胜率。
- 2024年7月8日：更新了论文的第二版，增加了新的基准并对现有模型的表现进行了改进。
SimPO优化策略
环境设置
SimPO提供了一个环境文件，以确保实验结果的可重现性。强烈建议在相同的硬件和CUDA版本下使用相同的Python包版本来运行SimPO。
超参数调节
在SimPO中，超参数learning_rate（学习率）、beta（奖励缩放）和gamma（目标奖励幅度）尤为关键。对这些超参数的合理调节可以显著提升模型的性能。例如，较小的学习率对于数学等需要较复杂推理的领域更为适合。
一致性和重现性
SimPO的训练和评估需要确保一致性，尤其是在评测AlpacaEval 2结果时，必须使用指定的库和配置文件，以免产生结果分歧。
提供的模型
Gemma 模型
提供基于Google的gemma-2-9b-it的两个模型，这些模型在GSM和MMLU任务上的表现均优于基础模型。
v0.2 版本
该版本重新标注了偏好优化数据集，并在多个测试中显示出超越前一版本的性能，但是在某些输出中可能存在格式遵循性问题。
v0.1 版本
提供了一系列评测模型，用于偏好优化算法的比较研究。
使用指南
SimPO代码基于alignment-handbook项目构建，具体的安装步骤包括创建Python虚拟环境、安装PyTorch及其他依赖包。在推理任务中，可以参考generate.py脚本以正确加载模型。
训练脚本
SimPO提供了四种不同设置下的训练配置文件，适用于不同需求的训练任务。
评估
对于AlpacaEval 2、Arena-Hard和MT-Bench的评估，项目团队遵循了官方的实施方案，用户可参考相关的开源项目获取更多评估细节。
联系方式
如果对代码或论文有疑问，可通过电子邮件与项目作者联系；如在使用代码时遇到问题，欢迎在项目的issue板块提交详细的问题说明，以便获得及时的帮助。
论文引用
若该项目对您的研究有所帮助，请引用SimPO相关论文。
编辑推荐精选
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
Trae
字节跳动发布的AI编程神器IDE
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。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
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
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
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。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号