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

3B

16 Tag

6周前

34a183c778dd · 1.6GB

README

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

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

此仓库包含经 CPO-SimPO 技术增强的 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 是一种针对指令任务进行优化的模型。这种方法已在关键基准测试中取得显著改进,推动了 AI 偏好学习的发展界限。

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,确保模型保持在偏好数据分布附近。
  • 简单偏好优化 (SimPO): 包含长度归一化和目标奖励边距,防止生成长而低质量的序列。

GitHub

CPO-SIMPO

模型性能

即将推出!

主要改进

  • 增强模型性能: 显著的分数提升,特别是在 GSM8K(提高8.49分!)和 TruthfulQA(提高2.07分)。
  • 质量控制: 通过长度归一化和奖励边距改进高质量序列的生成。
  • 平衡优化: BC正则化器帮助保持学习到的偏好完整性,同时不偏离偏好数据分布。