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
LLaMA3-iterative-DPO-final - 高效集成在线RLHF技术的指令模型
GithubHuggingfaceLLaMA3-iterative-DPO-finalRLHF人工智能开源模型开源项目模型训练方法
LLaMA3-iterative-DPO-final是在线RLHF技术的非官方模型，在Alpaca-Eval-V2等基准测试中表现突出，超越众多模型。模型基于开源数据集训练，无需人工标签，包含详尽的复现指南，适用于学术研究和实际应用。
doremi - 创新算法提升语言模型训练效率
DoReMiGithub代理模型分布鲁棒优化开源项目数据混合优化语言模型
DoReMi是一种优化语言模型数据集混合的算法。它通过分布鲁棒优化调整数据混合，适应不同目标分布。算法训练小型代理模型动态调整各领域数据权重，并利用预训练参考模型避免对高熵领域过于悲观。DoReMi显著提高大型模型训练效率，如280M代理模型可使8B参数模型达到基线性能的速度提高2.6倍。项目提供PyTorch实现，包含快速可恢复的数据加载器和下游评估工具。
DoRA - 大型语言模型微调的权重分解低秩适应方法
DoRAGithub低秩适应大语言模型开源项目微调权重分解
DoRA是一种新型大型语言模型微调方法，通过将预训练权重分解为幅度和方向两个部分进行更新。与LoRA相比，DoRA在保持参数效率的同时提升了模型的学习能力和训练稳定性。研究表明，DoRA在常识推理、视觉指令调优和图像/视频-文本理解等多项下游任务中表现优于LoRA。该技术已集成到Hugging Face PEFT和Diffusers库中，可用于多种模型的微调。
gemma-2-9b-it-SimPO - 基于SimPO算法的Gemma模型性能提升
GemmaGithubHuggingfaceSimPO偏好优化大语言模型开源项目模型模型微调
该项目基于Google的Gemma-2-9b-it模型，采用创新的SimPO算法在UltraFeedback数据集上进行微调。SimPO通过对齐奖励函数和生成概率，优化大型语言模型性能，无需参考模型。优化后的模型在多项评估指标上表现优异，尤其是对话能力和生成质量方面。项目提供了详细的模型信息、训练细节和评估结果，为相关研究和应用奠定基础。
SPPO - 自我对弈优化提升语言模型对齐效果
AlpacaEval 2.0Gemma-2-9B-It-SPPO-Iter3GithubLlama-3-8B-InstructMistral-7B-InstructSPPO开源项目
SPPO采用自我对弈框架和新的学习目标，有效提升大规模语言模型性能。通过理论推导和多数据集实证验证，SPPO无需外部信号即可超越GPT-4等模型。该项目源代码和多个优化模型如Mistral-7B、Llama-3-8B、Gemma-2-9B均已开源，详情可参考相关论文。
opt-1.3b - Meta AI开发的开源预训练Transformer语言模型系列
GithubHuggingfaceOPT人工智能开源项目模型自然语言处理语言模型预训练模型
OPT是Meta AI开发的开源预训练Transformer语言模型系列,包含125M至175B参数的多个版本。采用先进数据收集和训练方法,性能可媲美GPT-3。该项目旨在推动大规模语言模型的可复现研究,让更多研究者参与探讨其影响。OPT主要应用于文本生成和下游任务微调,但仍存在偏见等局限性。
LLM-RLHF-Tuning - RLHF三阶段训练支持指令微调、奖励模型和多种训练方式
DPOGithubLLaMALLaMA2PPORLHF开源项目
本项目实现了RLHF的三阶段训练，包括指令微调、奖励模型训练和PPO算法训练。支持LLaMA和LLaMA2模型，并提供多种分布式加速训练方法。项目附有详细的实现文档，并对比了其他开源框架的功能，是RLHF训练的宝贵资源。
opt-66b - Meta AI推出OPT系列开源预训练语言模型促进NLP研究
GithubHuggingfaceOPT大语言模型开源项目文本生成模型自然语言模型预训练模型
OPT是Meta AI开发的开源预训练Transformer语言模型系列,参数规模从125M到175B不等。该系列模型主要基于英语文本训练,性能可媲美GPT-3。OPT旨在促进大型语言模型的可复现研究,使更多研究者能够参与探讨其影响。这些模型可用于文本生成和下游任务评估,但也存在偏见等局限性。通过开放OPT,Meta AI期望推动自然语言处理技术的整体进步。
Sakura-SOLAR-DPO - 开源大语言模型性能新突破
DPOGithubLLMSakura-SOLAR开源项目模型性能训练代码
Sakura-SOLAR-DPO项目通过模型融合和DPO训练技术，使SOLAR模型在开源大语言模型排行榜上跃居首位。该项目在ARC、HellaSwag等多项基准测试中表现卓越，展现了强大的通用能力和数学推理水平。项目公开了详细的训练代码、超参数配置和提示词模板，为开源AI社区提供了宝贵的技术参考。
opt-2.7b - Meta AI开发的开放预训练Transformer语言模型
GithubHuggingfaceOPT人工智能开源项目文本生成模型自然语言处理预训练语言模型
OPT是Meta AI开发的开放预训练Transformer语言模型系列,参数规模125M至175B。采用先进数据收集和训练方法,性能与GPT-3相当。旨在促进大规模语言模型的可重复研究,扩大研究群体。主要基于英语语料预训练,使用因果语言建模,适用于文本生成和下游任务微调。OPT开放了完整模型访问权限,有助于研究大语言模型的工作原理、影响及相关挑战。
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