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

415b07c6dc66 · 2.8GB

模型
phi3
·
3.82B
·
Q5_K_M
许可协议
Microsoft. 版权所有 (c) Microsoft Corporation. MIT 许可协议 本许可证授予任何获得此软件及其相关文档副本（“软件”）的人士使用、复制、修改、合并、发布、分发、再许可和/或出售软件副本的权利，并允许向软件提供者提供软件副本的人士进行上述行为，但必须遵守以下条件：应在所有副本或软件的较大部分中包含上述版权声明和本许可通知。本软件按现状提供，不提供任何明示或默示的保证，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，作者或版权持有人不对任何索赔、损害或其他责任负责，无论该索赔、损害或其他责任是由于合同、侵权或其他任何原因而产生的，其产生于、基于或与软件或软件的使用或其他交易有关。
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
  • 转换为 fp32 的 Saftensors

此存储库包含增强 CPO-SimPO 技术的 Phi-3-mini-4K-instruct 模型。CPO-SimPO 结合了对比优先优化 (CPO) 和简单优先优化 (SimPO)。

简介

Phi-3-mini-4K指令模型是针对指令型任务进行了优化的模型。这种方法在关键基准测试中展示了显著的改进，推动了人工智能偏好学习的发展边界。

什么是CPO-SimPO？

CPO-SimPO是一种新的技术，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接近于优选的数据分布。
  • 简单偏好优化（SimPO）：引入长度归一化和目标奖励边界，以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

  • 模型性能提升：显著提高了分数，尤其是在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界，改进了高质量序列的生成。
  • 平衡优化：BC正则化器有助于维护学习到的偏好的一致性，同时不偏离优选数据分布。