Mistral-7B-orca_dpo_pairs

模型介绍

• 目标：模型上的DPO训练
• 使用模型：Mistral-7B
• 使用数据：Intel/orca_dpo_pairs（使用全部数据跑了一个epoch）
• 显卡：一张4090，24G

使用方法

from transformers import AutoTokenizer
import transformers
model = "snowfly/Mistral-7B-orca_dpo_pairs"

# Format prompt
message = [
    {"role": "system", "content": "You are a helpful assistant chatbot."},
    {"role": "user", "content": "What is a Large Language Model?"}
]
tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(message, add_generation_prompt=True, tokenize=False)

# Create pipeline
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer
)

# Generate text
sequences = pipeline(
    prompt,
    do_sample=True,
    temperature=0.7,
    top_p=0.9,
    num_return_sequences=1,
    max_length=200,
)
print(sequences[0]['generated_text'])

未完待续

实验中的问题

实验设置如下：

• per_device_train_batch_size=2
• gradient_accumulation_steps=2

由于每次更新梯度的数据量较小，导致训练前期loss急剧震荡，170step后趋于平稳，直至一个epoch训练结束loss下降不明显，趋于稳定

后续工作

• 在更大显存（单机多卡，多机多卡），更多epoch等参数上调整训练
• 考虑不同模型训练后的性能评估（训练数据集质量，模型表现等）