mannix / phi3-mini-cpo-simpo

带有CPO-SimPO的Phi-3-mini-4K指令

3B

25次拉取 5周前更新

6周前

20f273a9eec3 · 2.2GB

模型
phi3
·
3.82B
·
Q4_0
许可证
微软公司版权所有（C）微软公司。MIT许可证 允许免费向任何获得此软件及其相关文档副本（“软件”）的人使用该软件，不受限制，包括但不限于使用、复制、修改、合并、发布、分发、签署许可协议和/或销售软件副本的权利，并允许向软件提供的人以这样做，前提是以下条件：上述版权声明和本许可声明应包含在软件的所有副本或主要部分中。软件按“现状”提供，不提供任何明示或暗示的保证，包括但不限于适销性、针对特定目的的适用性和非侵权性保证。在任何情况下，作者或版权所有者不对任何索赔、损害或其他责任（无论因合同、侵权或任何其他原因而产生）负责，无论该索赔、损害或其他责任是否因软件或其使用或其他操作引起。
参数
{"stop":["<|end|>","<|user|>","<|assistant|>"]}
模板
{{ if .System }}<|system|> {{ .System }}<|end|> {{ end }}{{ if .Prompt }}<|user|> {{ .Prompt }}<|end|> {{ end }}<|assistant|> {{ .Response }}<|end|>

README

带有CPO-SimPO的Phi-3-mini-4K指令

  • 使用i-matrix的量化calibration_datav3.txt
  • 转换为fp32的Saftensors

此仓库包含Phi-3-mini-4K-instruct模型，通过CPO-SimPO技术增强。CPO-SimPO结合了对比偏好优化（CPO）和简单偏好优化（SimPO）。

简介

Phi-3-mini-4K-instruct是一种适用于基于指令任务的模型。这种方法在关键基准测试中表现出显著的改进，推动了AI偏好学习的前沿。

什么是CPO-SimPO？

CPO-SimPO是一种新技术，它结合了来自CPO和SimPO的元素。

  • 对比偏好优化（CPO）：添加行为克隆正则化器，以确保模型保持接近理想数据分布。
  • 简单偏好优化（SimPO）：包含长度归一化和目标奖励边缘，防止生成长但质量低下的序列。

GitHub

CPO-SIMPO

模型性能

即将推出！

主要改进

  • 增强模型性能：显著提升了评分，尤其是在GSM8K（提升8.49分！）和TruthfulQA（提升2.07分）方面。
  • 质量控制：通过长度归一化和奖励边缘提高了高质量序列的生成能力。
  • 平衡优化：BC正则化器有助于保持学习到的偏好的完整性，同时不偏离理想数据分布。