SimPO

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。

SimPODPOGemmaUltraFeedbackArmoRMGithub开源项目

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

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