mannix / phi3-mini-cpo-simpo

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

3B

25 Pulls 更新于6周前

6周前

0b51f60abe3f · 2.1GB

模型
phi3
·
3.82B
·
IQ1_M
许可证
微软。版权（c）微软公司。MIT许可权 允许任何人免费获得本软件及其相关文档副本（“软件”），不受限制地处理软件，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，并允许获得软件的人执行上述操作，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实质部分中。软件按“原样”提供，不提供任何明示或暗示的保证，包括但不限于适销性、特定用途适用性和非侵权性保证。在任何情况下，作者或版权所有者对该软件或其使用或其他处理中产生的任何索赔、损害或其他责任，不承担责任，无论其是基于合同、侵权或其他行为提起的诉讼。
参数
{"stop":["<|end|>","<|user|>","<|assistant|>"]}
模板
{{ if .System }}<|system|> {{ .System }}<|end|> {{ end }}{{ if .Prompt }}<|user|> {{ .Prompt }}<|end|> {{ end }}<|assistant|> {{ .Response }}<|end|>

读我

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

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

此存储库包含使用 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)。

简介

Phi-3-mini-4K-instruct 是一种针对指令任务进行优化的模型。这种方法在关键基准测试中表现出显著的改进，推动了人工智能偏好学习的发展。

CPO-SimPO 是什么？

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): 添加一个行为克隆正则化器，以确保模型保持接近首选数据分布。
  • 简单偏好优化（SimPO）： 结合长度归一化和目标奖励边缘，以防止生成长而低质量的序列。

Github

CPO-SIMPO

模型性能

即将推出！

关键改进

  • 增强模型性能： 显著提高了分数，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缘优化，提高了生成高质量序列的能力。
  • 平衡优化： BC正则化器有助于保持学习偏好的完整性，同时不偏离所需的数据分布。