mannix / phi3-mini-cpo-simpo

Phi-3-mini-4K-instruct with CPO-SimPO

3B

25 Pulls Updated 6 weeks ago

6周前

fc4faf44578a · 1.7GB

模型
phi3
·
3.82B
·
IQ3_S
许可证
Microsoft. 版权所有（C）Microsoft 公司。MIT 许可证 允许任何人免费获得此软件及其相关文档的副本（以下简称“软件”），并且在不作任何限制的情况下处理软件，包括但不限于使用、复制、修改、合并、发布、分发、再许可和/或出售软件副本的权限，并允许将软件提供给他人，以便他们可以进行操作，前提是遵守以下条件：上述版权声明和本许可证声明应包含在软件的所有副本或实质性部分中。本软件按“原样”提供，不提供任何 warranty，明示或暗示，包括但不限于适用性、针对特定目的的适用性和非侵权 warranty。在任何事件中，作者或版权所有者不对任何 claim、损害或其他责任负责，无论是根据合同、侵权行动或其他情况产生的、由此产生的、与软件或软件的使用或其他操作有关的责任。
参数
{"stop":["<|end|>","<|user|>","<|assistant|>"]}
模板
{{ if .System }}<|system|> {{ .System }}<|end|> {{ end }}{{ if .Prompt }}<|user|> {{ .Prompt }}<|end|> {{ end }}<|assistant|> {{ .Response }}<|end|>

读取说明

Phi-3-mini-4K-instruct with CPO-SimPO

  • 使用 i-matrix calibration_datav3.txt 进行量化
  • Saftensors 转换为 fp32

此存储库包含增强 CPO-SimPO 技术的 Phi-3-mini-4K-instruct 模型。CPO-SimPO 结合了对比偏好优化 (CPO) 和简单偏好优化 (SimPO)。

介绍

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

什么是CPO-SimPO？

CPO-SimPO是一种新技术，它结合了CPO和SimPO的元素。

  • 对比偏好优化（CPO）：添加行为克隆正则化器，以确保模型保持与偏好数据分布相近。
  • 简单偏好优化（SimPO）：包含长度归一化和目标奖励边际，以防止生成长但质量低的序列。

GitHub

CPO-SIMPO

模型性能

即将推出！

主要改进：

  • 增强模型性能：显著提高分数，特别是在GSM8K（提高8.49分！）和TruthfulQA（提高2.07分）方面。
  • 质量控制：通过长度归一化和奖励边际改进了高质量序列的生成。
  • 平衡优化：BC正则化器有助于在偏离偏好数据分布的同时保持学习到的偏好完整性。