File size: 4,118 Bytes
a513324 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 |
# llama-3.1-8b-chinese-instruct with SFT and DPO
## 项目简介
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，在llama-factory的框架下，使用近30w条中文数据进行微调（Fine-tuning），并尝试应用了动态提示优化（Dynamic Prompt Optimization, DPO）技术，旨在提升模型在中文语境下的理解和生成能力。
#### 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模型。
中文优化：通过大量中文数据集进行微调，提升模型在中文处理上的表现。
DPO训练：采用动态提示优化技术，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：
git clone
cd llama-3.1-8b-it-ch-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 |
| ------ | ------- | ------------- | ---- | --------------- | ---------- | ----- |
| 原模型 | 25.2 | 23.6 | 25 | 26.5 | 25.1 | 24.3 |
| 训练后 | 44.0 | 32.5 | 41.6 | 51.9 | 41.1 | 44.0 |
#### 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 |
| ------ | ------- | ----- | --------------- | ---------- | ----- |
| 原模型 | 24.99 | 26.04 | 24.84 | 25.23 | 24.05 |
| 训练后 | 44.63 | 37.5 | 45.21 | 45.76 | 49.14 |
## 数据集
微调数据集：
| | |
| --------------------- | ------------------------------------------------------------ |
| 中文微调数据集 | https://modelscope.cn/datasets/zhuangxialie/Llama3-Chinese-Dataset/files |
| train_1M_CN | https://huggingface.co./datasets/BelleGroup/train_1M_CN |
| chinese_modern_poetry | https://huggingface.co./datasets/Iess/chinese_modern_poetry |
| code | https://huggingface.co./datasets/iamtarun/python_code_instructions_18k_alpaca |
| mathglm | https://cloud.tsinghua.edu.cn/d/8d9ee3e52bb54afd9c16/ |
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 |
Sft图像：
Dpo：
Training loss:
Training rewards:
|