SPAR: SELF-PLAY WITH TREE-SEARCH REFINEMENT TO IMPROVE INSTRUCTION-FOLLOWING

本文是LLM系列文章,针对《SPAR: SELF-PLAY WITH TREE-SEARCH REFINEMENT TO IMPROVE INSTRUCTION-FOLLOWING IN LARGE LANGUAGE MODELS》的翻译。

SPAR:通过树搜索优化来改进大型语言模型中的指令遵循

摘要

指令遵循是语言模型的基本能力,要求模型识别指令中最微妙的要求,并在输出中准确反映出来。这种能力非常适合偏好学习,并且经常通过偏好学习进行优化。然而,在创建偏好对时,现有方法通常直接从模型中采样多个独立的响应。这种做法可能会引入与是否准确遵循指令无关的内容变化(例如,关于同一语义的不同表达),干扰指令模型识别导致改进指令遵循的关键差异的目标。有鉴于此,我们引入了SPAR,这是一个自玩框架,集成了树搜索自细化,可以产生有效且可比较的偏好对,不受干扰。通过与自身对抗,LLM采用树搜索策略来优化其先前对指令的响应,同时最大限度地减少不必要的变化。我们的实验表明,在SPAR的指导下,经过三次迭代训练的LLaMA38B模型在IFEval基准上超过了GPT-4-Turbo,而没有失去一般能力。此外,SPAR展示了有前景的可扩展性和可转移性,大大增强了GLM-4-9B和LLaMA3-70B等模型。我们还确定了树搜索中的推理缩放将如何影响模型性能。我们的代码和数据可在以下网址公开获取

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