Smaller, Weaker, Yet Better: Training LLM Reasoners via Compute-Optimal Sampling

本文是LLM系列文章,针对《Smaller, Weaker, Yet Better: Training LLM Reasoners via Compute-Optimal Sampling》的翻译。

摘要

从强语言模型(LM)中训练高质量的合成数据是提高LM推理性能的常见策略。在这项工作中,我们重新审视了这种策略在固定推理预算(例如FLOP)下是否是计算最优的。为此,我们研究了使用更强但更昂贵的(SE)模型与较弱但更便宜的(WC)模型生成合成数据之间的权衡。我们评估了三个关键指标的生成数据:覆盖率、多样性和假阳性率,并表明来自WC模型的数据可能具有更高的覆盖率和多样性,但也表现出更高的假阳性率。然后,我们在不同设置下对SE和WC模型的数据进行微调:知识蒸馏、自我提升和一种新颖的弱到强的改进设置,其中较弱的LM向较强的LM教授推理。我们的研究结果表明,在WC生成的数据上进行微调的模型在多个基准和WC和SE模型的多种选择上始终优于在SE生成的数据中训练的模型。这些结果挑战了目前依赖SE模型生成合成数据的做法,表明WC可能是训练高级LM推理机的计算最优方法。

1 引言

2 前言

3 计算匹配采样和序列

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值