我要投稿

斯坦福DITTO框架新突破：仅需几个样本轻松对齐大模型，效果秒杀小样本学习与监督微调！

发布日期：2024-06-12 20:36:38 浏览次数： 2424

作者：NLP前沿

微信搜一搜，关注“NLP前沿”

文章的出发点：LLMs通常被训练为通用工具，但在实际应用中，它们往往需要针对特定用户或任务进行调整。现有的方法如sft或rl，需要大量的数据集，这对新任务来说成本过高。本文通过少量用户提供的监督数据来快速定制和对齐大型语言模型，以满足特定用户或任务的需求。

文章标题：Show, Don’t Tell: Aligning Language Models with Demonstrated Feedback

https://arxiv.org/html/2406.00888v1
https://github.com/SALT-NLP/demonstrated-feedback

原理

收集到一个小批量的x->y的监督数据
基于1的数据，sft微调得到一个基础模型
基于2得到的模型，对1的数据生成回复
从3中采样出batch
构造对比数据。初始的回复是最优的，其次就是每次迭代的假设都比上一次优秀

循环3，4，5，伪代码如下图：

QA

为什么 DITTO 比单独使用 SFT 效果更好？

DITTO 性能相对较高的原因之一是它通过生成比较使用的数据远多于 SFT。另一个是，在某些情况下，online imitation learning 比 SFT形式的 demonstrator 表现得更好。

DITTO迭代次数怎么选？每次迭代，策略针对每条样本生成的负样本数量？演示样本的数量？

迭代次数1->4，逐渐变优；增加negative sample，2->10逐渐变优；增加演示样本数量，逐渐边优，但是收益越来越低。

对比样本处理消融

如果从一开始就对所有负样本进行采样（而不是以在线方式迭代重新采样），就会观察到与使用 DITTO 相比，胜率从 70.1% 下降到 57.3%
虽然迭代重新采样可以提高性能，但在此在线过程中持续更新会显着降低性能
replay 和inter-policy 都有帮助。删除replay 和inter-policy比较会使 DITTO 的胜率分别降低 6.5 点和 2 点。这2个分别指，正确的回复跟每次迭代的回复比较，以及每次迭代之间都进行比较。

效果？

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-06-14

挑战 Transformer 架构的谷歌最新扩散模型 Gemini Diffusion 系统提示词

2025-06-14

“AI原生”时代：企业数智化转型的分水岭

2025-06-14

多模态RAG的三类图文问答实现方式，你知道多少种？

2025-06-14

新一代文本表征Qwen3-Embedding与排序模型Qwen3-Reranker 部署和替换

2025-06-14

“华强北”围攻AI耳机，未来智能如何突围？

2025-06-14

AI时代如何为企业和个人赋能

2025-06-14

没吃透 Function Calling？难怪你不理解 AI Agent 为何非来不可！

2025-06-14

浅尝一下微软的AutoGen框架

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

DeepSeek R1-0528 小版本升级

2025-05-29

🧠 解码大语言模型的记忆力：上下文长度的前世今生

2025-03-20

萌新指南｜手把手教你Cherry Studio配置MCP，10分钟让大模型学会上网截图！

2025-03-21

教你解决GPT4o无法使用新版生图功能的教程

2025-04-11

Manus 是大模型 AI Agent + MCP，那什么是模型上下文协议 (MCP)?

2025-03-20

不止核弹芯片，黄仁勋发布两台 AI 个人超算，还拿下全球最快 DeepSeek 推理速度

2025-03-19

聊聊大模型MCP模型上下文协议-为何是AI在企业内应用落地的一个关键组件

2025-03-20

用 Go 语言打造高并发 MCP 服务器：理论、实战与 AI 应用全景探索

2025-03-19

MCP如何重塑AI开发？一文带你深入了解

2025-03-19

黄仁勋 2 个半小时演讲，英伟达已经进入「Agentic AI」时代

2025-03-19

大家都在问

多模态RAG的三类图文问答实现方式，你知道多少种？

2025-06-14

“华强北”围攻AI耳机，未来智能如何突围？

2025-06-14

张鹏对谈李广密：Agent 的真问题与真机会，究竟藏在哪里？

2025-06-14

为什么说Maus是未来任务型AI系统的代表？

2025-06-14

一手实测：首个有记忆的企业级AI Agent，能否经得住实践捶打？

2025-06-13

聊透 Agent，它是「同事」还是「工具」，创业机会和价值究竟是什么？

2025-06-13

拒绝碎片化 RAG，谷歌 DeepMind 推出 ReadAgent：模拟人类阅读长文本，或是NotebookLM底层技术？

2025-06-13

字节跳动2步突破，复杂文档布局解析，为啥如此惊艳？

2025-06-13

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： ceo@53ai.com

友情链接：

CopyRight © 2012-2024 深圳市博思协创网络科技有限公司版权所有

粤ICP备17114055号

广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层）

深圳：深圳市福田区泰然四路29号天安创新科技广场一期A座1204

上海：上海市浦东新区金新路58号1602室

微信扫码
和创始人交个朋友

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部