mannix / phi3-mini-cpo-simpo

Phi-3-mini-4K配CPO-SimPO指令

3B

25 拉取 6周前更新

6周前

dedf5094dc34 · 3.1GB

模型
phi3
·
3.82B
·
Q6_K
许可证
Microsoft 公司版权所有。MIT 许可证 此协议授予任何获得本软件及其相关文档（“软件”）副本的任何人免费使用该软件的权利，不受任何限制，包括但不限于使用、复制、修改、合并、发布、分发、再许可和/或销售软件副本的权利，并允许将软件提供给他人，以便他们可以这样做，条件如下：上述版权声明和本许可协议应包含在软件的所有副本或实质性部分中。软件按“现状”提供，不提供任何明示或暗示的保证，包括但不限于适销性、针对特定目的的适用性和非侵犯性保证。在任何情况下，作者或版权所有者不对任何索赔、损害或其他责任负责，无论这些责任是基于合同、侵权或其他原因产生，无论这些责任是否与软件或软件的使用或其他操作相关。
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配CPO-SimPO指令

  • 使用 i-matrix calibration_datav3.txt 进行的量化
  • 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-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改进，推动了 AI 优先学习的边界。

CPO-SimPO 是什么？

CPO-SimPO 是一种新技术，它结合了 CPO 和 SimPO 的元素。

  • 对比优先优化 (CPO)：添加行为克隆正则化器，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，以防止生成长但质量低下的序列。

GitHub

CPO-SIMPO

模型性能

即将推出！

关键改进

  • 增强模型性能： 显著提高分数，尤其在 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改进生成高质量序列。
  • 平衡优化： BC正则化器有助于保持学习得来的偏好的完整性，同时不偏离理想的数据分布。