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： 2819

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POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-03-20

真实测评MiniMax M2.7，不吹不夸，它到底什么水平？

2026-03-20

用MiniMax M2.7喂小龙虾，第一次觉得国产模型这么对味儿

2026-03-20

Claude Code 上线新功能要革OpenClaw的命!

2026-03-20

Cursor自研模型反超Opus 4.6！价格脚踝斩，氛围编程沸腾了

2026-03-20

突发！Claude Code 要彻底龙虾化

2026-03-20

1 个文件让 Claude Code 记住你：MEMORY.md 全解析

2026-03-20

为了狠狠嫖Google Antigravity 24 小时，我竟然做这个....

2026-03-19

GPT-5.4 mini 与 GPT-5.4 nano 登陆 Microsoft Foundry (国际版)

联系获取

联系获取

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

Pencil：设计和写代码，以后就全让AI干了

2026-01-24

独家实录｜唐杰、杨植麟、林俊旸、姚顺雨...All Star 对话上，大家聊了啥？

2026-01-10

2026 开年 AI 工具推荐，让你新的一年效率起飞！（建议收藏）

2026-01-01

从0到1玩转Clawdbot：我花了40小时，把这些坑都踩完了

2026-01-26

Claude赢麻了？OpenAI Codex正式支持Skills，GitHub连夜上车！

2025-12-21

终于！Gemini CLI支持Agent Skills，一键搬运Claude Code的“绝招”

2026-01-09

Claude Code Skills 国内实践全指南：从安装部署到高阶开发

2026-01-09

谷歌没想到：Antigravity 竟成了 Claude Code 的“免费充电宝”？

2025-12-30

深度解析——为什么Claude code CEO Dario 如此反中？

2026-01-23

不会封号的Claude Code使用方法！已稳定测试一个月，还能共享给团队。

2026-01-14

大家都在问

真实测评MiniMax M2.7，不吹不夸，它到底什么水平？

2026-03-20

深度分析：Agent Harness/框架到底有没有竞争壁垒？

2026-03-19

咨询 | OpenAI、Anthropic纷纷和咨询公司合作的背后，折射除了行业落地AI什么样的趋势？

2026-03-19

大伙都在养虾，MiniMax 带着新模型来偷偷上分了？

2026-03-19

Harness Engineering 为什么是 Agent 时代的“控制论”？

2026-03-18

阿里云新品发布：Agent ID Guard，谁来管理“小龙虾们”的身份安全？

2026-03-17

香港终于能直接用 Gemini 了，内地用户能用上吗？

2026-03-17

粮厂研究员Will | 小米miclaw发布：谈谈为什么豆包手机没有撑过72小时？

2026-03-09

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 Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean Openclaw

应聘简历请发送至： ceo@53ai.com

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