mannix / phi3-mini-cpo-simpo

Phi-3-mini-4K-with CPO-SimPO指导

3B

25 Pulls 更新于6周前

6周前

281460f31cc0 · 4.1GB

模型
phi3
·
3.82B
·
Q8_0
许可
Microsoft.版权（c）微软公司。MIT 许可证 允许任何人任何人免费获得此软件及其相关文档（“软件”）的副本（“许可证”），免许可使用、复制、修改、合并、发布、分发、再许可或出售软件副本，并允许向软件提供者提供软件的人这样做，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主要部分的副本中。软件按原样提供，没有任何明示或暗示的保证，包括但不限于适用性保证、特定目的保证和不侵权保证。在任何情况下，作者或版权持有人不应对任何索赔、损害或其他责任承担责任，无论这些索赔、损害或其他责任是基于合同、侵权或其他法律行为，以及与软件或其使用或其他交易有关的事实、情况或与软件或其使用或其他交易有关的事实、情况或与软件或其使用或其他交易有关的事实、情况。
params
{"stop":["<|end|>","<|user|>","<|assistant|>"]}
模板
{{ if .System }}<|system|> {{ .System }}<|end|> {{ end }}{{ if .Prompt }}<|user|> {{ .Prompt }}<|end|> {{ end }}<|assistant|> {{ .Response }}<|end|>

阅读说明书

Phi-3-mini-4K-with CPO-SimPO指导

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

本存储库包含增强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优化的模型。这种方法在关键基准测试中表现出显著改进，推动了AI偏好学习的发展边界。

什么是CPO-SimPO？

CPO-SimPO是一项新技术，它结合了CPO和SimPO的元素。

  • 对比偏好优化（CPO）: 增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）: 包含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

  • 增强模型性能: 显著提升了分数，尤其是在 GSM8K（提升8.49分！）和 TruthfulQA（提升2.07分）上。
  • 质量控制: 通过长度归一化和奖励边界改善了高质量序列的生成。
  • 平衡优化: BC正则化器有助于在保持学习偏好完整的同时，不离首选数据分布。