mannix / phi3-mini-cpo-simpo

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

3B

25 拉取 更新于6周前

6 周前

ee49aea91e5e · 1.7GB

模型
phi3
·
3.82B
·
Q3_K_S
许可证
Microsoft. 版权 (c) 微软公司。MIT 许可证 本许可证授予任何获得本软件及其相关文档副本（统称为“软件”）的个人以免费方式使用该软件的权利，不受限制，包括但不限于使用、复制、修改、合并、发布、分发、再许可和/或转售软件副本的权利，以及允许软件提供方进行此类操作，但前提是必须遵守以下条件：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性部分中。 该软件按原样提供，不提供任何形式的保修，无论是明示的还是隐含的，包括但不限于适销性、特定用途的适用性和非侵权性。在任何情况下，作者或版权持有人均不对任何索赔、损害或其他责任（无论是在合同、侵权或任何其他法律行为中产生的）承担责任，这些索赔、损害或其他责任源于软件、软件的使用或其他使用方式。
参数
{"stop":["<|end|>","<|user|>","<|assistant|>"]}
模板
{{ if .System }}<|system|> {{ .System }}<|end|> {{ end }}{{ if .Prompt }}<|user|> {{ .Prompt }}<|end|> {{ end }}<|assistant|> {{ .Response }}<|end|>

README

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

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

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 是针对基于指令的任务进行优化的模型。这种方法在关键基准测试中展示了显著的改进，推动了 AI 偏好学习的发展边界。

CPO-SimPO 是什么？

CPO-SimPO 是一种新技术，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，确保模型保持接近数据分布的偏好。
  • 简单偏好优化（SimPO）： 结合长度归一化和目标奖赏边缘，防止生成长但质量低的序列。

GitHub

CPO-SIMPO

模型性能

即将推出！

关键改进

  • 增强模型性能： 显著提升评分，尤其在 GSM8K（提升8.49分）和 TruthfulQA（提升2.07分）上表现突出。
  • 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。
  • 平衡优化： BC正则化器有助于保持学习的偏好吗？同时不偏离数据分布的偏好。