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： 2882

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

2026-05-07

为什么同一个模型，在 Claude Code/Codex CLI 里感觉像换了个脑子？

2026-05-07

尝试在Warp里使用claude code

2026-05-07

我用 Claude Code CLI 搭了一套「不丢上下文」的工作流

2026-05-07

Anthropic 上线「做梦」功能，让 Agent 越睡越聪明

2026-05-06

Android CLI 实战指南：借助任意智能体，实现 3 倍速高效开发

2026-05-06

刚刚，GPT-5.5 Instant全员免费！数亿人的ChatGPT变了

2026-05-06

M365 Copilot ：App Builder 它不仅是单次代码生成

2026-05-06

GPT-5.5 Instant 来了，但这次重点不是“更强”，而是“更像人”

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

Claude Opus 4.7刚刚曝光！Claude Code一夜重构，7x24小时替你打工

2026-04-15

刚刚Qwen 3.6 Plus上线预览：1M上下文，阿里Coding/Agent翻身战打响

2026-03-31

2026年国内如何注册 Claude 账号教程

2026-03-13

豆包 2.0 模型发布，全信息整理（全网最完整，另附 79 页 Model Card）

2026-02-14

独家| DeepSeek-V4终于要来了：梁文锋憋半年大招，多模态+长期记忆全面破局

2026-03-17

全网最详细的Codex入门教程，手把手教你玩转Vibe Coding。

2026-02-09

OpenAI Codex CLI 完整使用指南

2026-04-07

香港终于能直接用 Gemini 了，内地用户能用上吗？

2026-03-17

编程选GPT-5.4，还是GPT-5.3-Codex？

2026-03-21

全球首个 AI 进化网络 EvoMap，给 Agent 装上 DNA

2026-02-20

大家都在问

为什么同一个模型，在 Claude Code/Codex CLI 里感觉像换了个脑子？

2026-05-07

「双线实测」Qwen 3.6-Plus，Agentic Coding 已经这么能「扛活儿」了？

2026-04-26

本体化语义层，会是 AI 数据平台的新地基吗？

2026-04-22

设计行业的“棺材板”，要被Claude Design盖上了？

2026-04-18

当所有人都不写代码了，谁来看懂代码？

2026-04-13

什么场景该用 AI Native？

2026-04-12

12MB的Go二进制，让AI操控浏览器只花800 tokens，PinchTab凭什么这么省？

2026-04-07

华为AI 49元/月！贵？不贵？

2026-04-01

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