llama-3.1-8b-chinese-instruct with SFT and DPO
项目简介
LLAMA-3.1系列模型于2024年7月24日发布，是Meta公司迄今为止规模最大、质量最高的开源模型。Meta评估了超150个基准数据集的性能，Llama-3.1系列模型在常识、可操作性、数学、工具使用和多语言翻译等一系列任务中，可与GPT-4o、Claude 3.5 Sonnet和Gemini Ultra相媲美。其中LLAMA-3.1-8B-Instruct模型，以其庞大的参数规模、强大的上下文理解能力和灵活的指令遵循能力，在全球范围内赢得了广泛的关注与赞誉。该模型在多种自然语言处理任务上展现出卓越的性能，包括但不限于文本生成、问答系统、文本摘要等，为人工智能领域的研究与应用提供了强大的技术支持。
然而，尽管LLAMA-3.1-8B-Instruct模型在多种语言环境下均表现出色，但在中文这一特定语境下，其性能却存在一定的局限性。为了弥补这一不足，本项目旨在通过针对中文语境的深入优化，提升LLAMA 3.1-8B-Instruct模型在中文处理上的能力。
本项目基于llama-3.1-8b-instruct模型，与当前相关工作不同的是，我们采用了指令微调（Instruction Fine-tuning）和直接偏好对齐（Direct Preference Optimization, DPO）二阶段的学习方法，使用近30w条中文数据进行有监督指令微调，然后应用5000条对齐指令进行直接偏好对齐，旨在进一步提升模型在中文语境下的理解和生成能力。在两个权威的中文评测基准下，C-Eval提升了83.34%的性能，CMMLU提升了83.95%的性能。我们公开了该项目所有的模型权重和训练数据集，欢迎大家一起学习和探讨。
模型特点
基础模型：基于开源的llama3.1-8b-instruct，这是一个经过指令微调的大型语言基础模型。
指令微调：通过大量高质量中文数据集进行指令微调，提升模型在中文处理上的表现。
DPO对齐：采用直接偏好对齐技术，进一步优化模型在特定任务上的性能。
安装与加载
克隆本项目到本地：https://huggingface.co/jiangfb/llama-3.1-chinese-8b-it-dpo
git clone
cd llama-3.1-chinese-8b-it-dpo
模型测评
Ceval
C-Eval 是一个全面的中文基础模型评估套件。它包含了大量的多项选择题，涵盖了人文、社科、理工以及其他专业四个大方向，包括52个不同的学科和四个难度级别。
| C-Eval | Average | Average(hard) | STEM | Social Sciences | Humanities | Other |
|---|---|---|---|---|---|---|
| 原生LLaMA3.1模型 | 24.1 | 23.5 | 23.9 | 25.3 | 24.6 | 22.7 |
| 我们的LLaMA3.1模型 | 44.7 | 32.9 | 41.8 | 52.7 | 42.0 | 44.5 |
Cmmlu
CMMLU是一个综合性的中文评估基准，专门用于评估语言模型在中文语境下的知识和推理能力。CMMLU涵盖了从基础学科到高级专业水平的67个主题。它包括：需要计算和推理的自然科学，需要知识的人文科学和社会科学,以及需要生活常识的中国驾驶规则等。
| CMMLU | Average | STEM | Social Sciences | Humanities | Other |
|---|---|---|---|---|---|
| 原生LLaMA3.1模型 | 25.3 | 26.04 | 25.19 | 25.79 | 25.26 |
| 我们的LLaMA3.1模型 | 46.54 | 39.31 | 47.21 | 47.41 | 51.34 |
数据集
SFT数据集：
DPO数据集：
| DPO-En-Zh-20k | https://huggingface.co/datasets/hiyouga/DPO-En-Zh-20k |
| orca_dpo_pairs | https://huggingface.co/datasets/Intel/orca_dpo_pairs |
| Chinese-dpo-pairs | https://huggingface.co/datasets/wenbopan/Chinese-dpo-pairs |
| DPO-zh-en-emoji | https://huggingface.co/datasets/shareAI/DPO-zh-en-emoji |
- Downloads last month
- 48