大模型核心技术与应用(微课视频版)课件 大模型强化学习_第1页
大模型核心技术与应用(微课视频版)课件 大模型强化学习_第2页
大模型核心技术与应用(微课视频版)课件 大模型强化学习_第3页
大模型核心技术与应用(微课视频版)课件 大模型强化学习_第4页
大模型核心技术与应用(微课视频版)课件 大模型强化学习_第5页
已阅读5页,还剩18页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

大模型强化学习SFTRewardPPORewardModelRewardModel数据用户偏好数据不怕不识货,就怕货比货questionchosen数据库是一个有组织的数据集合,允许高效的数据存储、检索和管理。rejected数据库用于存储数据。什么是数据库?RewardModel模型LLM什么是数据库?数据库用于存储数据。LMHead字典维度

LLM什么是数据库?数据库用于存储数据。ValueHead得分

RewardModelLoss

RewardModelTrainerPPOPPO数据PPO模型Reference

LLMActiveLLMRewardLLMState-ValueModel基准模型训练模型奖励模型状态价值模型LMHead(HS*VS)HS:hidden_sizeVS:vocab_sizeLMHead(HS*VS)ScoreHead(HS*1)ValueHead(HS*1)LMHead(HS*VS)Reference

LLM基准模型训练模型+状态价值模型奖励模型LMHead(HS*VS)HS:hidden_sizeVS:vocab_sizeScoreHead(HS*1)ValueHead(HS*1)为什么Score

天空

蓝色

因为

散射

。0000000003.8Prompt+Response基础模型[0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...]训练模型[0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...][0.11,0.02,0.02,0.32,0.04...]RewardKL0.51.23.62.34.84.51.55.31.02.1Reward-0.1-0.24-0.72-0.46-0.96-0.9-0.3-0.106-0.23.38

Advantage

LossStateValueLoss为什么

天空

蓝色

因为

散射

。Prompt+ResponseReward-0.1-0.24-0.72-0.46-0.96-0.9-0.3-0.106-0.23.38

StateValuePredicted-0.91-0.84-0.76-0.8-0.580.30.12.21.23.25ValueHeadLabel:方法一:方差太大方法二:

平衡方差和偏差

Loss

1.进行重要性采样的模型可以与参考模型不一样。2.KL散度已经在Reward中体现,已经通过Reward进入了Los

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论