龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国科学技术大学
摘要：本发明公开了一种基于直接偏好优化的模型偏好对齐方法及装置，所述基于直接偏好优化的模型偏好对齐方法包括：获取数据，数据包括偏好数据集，利用偏好数据集的有监督微调初始化模型，并获取模型收敛状态；根据模型收敛状态从偏好数据集中采样一个批量并计算个体奖励差异；根据个体奖励差异从所述偏好数据集进行样本采样，计算批量级别的超参数；根据批量级别的超参数利用DPO损失函数计算损失并利用梯度更新算法更新模型。本发明中通过动态校准值，并结合数据质量考虑，优化了DPO的性能。此外，还引入了引导的数据过滤方法，以减少异常值对模型训练的影响，在多种模型和数据集上显著提高了DPO的性能。
主权项：1.一种基于直接偏好优化的模型偏好对齐方法，用于提高模型与人类偏好对齐的效率，其特征在于，所述基于直接偏好优化的模型偏好对齐方法包括：获取数据，所述数据包括偏好数据集，所述偏好数据集包括人类提出的询问、人类注释者偏好的回应以及人类注释者偏好的回应相反的另一种回应，利用所述偏好数据集的有监督微调初始化模型，并获取模型收敛状态；根据所述模型收敛状态从所述偏好数据集中采样一个批量并计算个体奖励差异；根据所述模型收敛状态从所述偏好数据集中采样一个批量并计算个体奖励差异包括：当所述模型未收敛时，从所述偏好数据集中采样一个批量；获取所述批量中样本三元组，依据样本三元组获取个体奖励差异；为每个所述三元组分配超参数；根据所述个体奖励差异从所述偏好数据集进行样本采样，计算批量级别的超参数；根据所述个体奖励差异从所述偏好数据集进行样本采样，计算批量级别的超参数包括：利用概率模型对每个所述三元组的个体奖励差异评估其重要性，获取样本的相对重要性；利用移动平均法估计标准差，并对标准差更新；根据所述相对重要性采取若干样本；计算批量级别的超参数；计算批量级别超参数定义为： 式中，为用于控制超参数调整的规模参数，为个体奖励差异，为利用移动平均法估计后的阈值，代表DPO固有的基准超参数，表示样本的均值；根据批量级别的超参数利用DPO损失函数计算损失并利用梯度更新算法更新模型。
全文数据：
权利要求：
百度查询： 中国科学技术大学 一种基于直接偏好优化的模型偏好对齐方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号