VolgendeVolgende gids
Optimalisatie van oddsratio-voorkeur
Taal AI
Basisprincipes GIDS
Lengtenormalisatie past de doelstellingen voor het afstemmen van voorkeuren aan, zodat modellen niet langer goedkeuring winnen door alleen maar langere antwoorden te schrijven.
Luister naar deze gidsAI-verteld · ~2 min
It matters because uncorrected reward signals push chatbots toward verbose, padded responses instead of genuinely better ones.
When models are aligned with comparisons, human or reward-model labelers may prefer longer answers even when the extra text is not better. In standard DPO, the implicit reward sums per-token log-probability differences, so it can grow with response length. SimPO uses average per-token log probability, removes the need for a separate reference model, and adds a target reward margin between preferred and rejected responses. The SimPO paper reports chat-based evaluations on AlpacaEval 2, MT-Bench, and Arena-Hard; these results are tied to its tested models and training setups. Length-normalized objectives can reduce verbosity bias, but aggressive normalization can also encourage under-informative answers. Evaluation should assess completeness and correctness alongside length-controlled preference results.
Een klantondersteuningsassistent afstemmen met SimPO, zodat deze scherpe, nauwkeurige antwoorden geeft in plaats van opgevulde alinea's die er alleen maar grondig uitzien.
Het rapporteren van 'lengte-gecontroleerde winstpercentages' op AlpacaEval 2 om te laten zien dat een model echt verbeterd is in plaats van alleen maar spraakzamer te zijn geworden.
Het toevoegen van lengtenormalisatie aan DPO bij het verfijnen van een coderingsmodel, zodat het minimale correcte fragmenten retourneert, en geen opgeblazen standaardtekst.
Het diagnosticeren van een beloningsmodel dat systematisch langere essays hoger scoort, en het vervolgens ondermijnen voordat het wordt gebruikt om een schrijfassistent op één lijn te brengen.
Verwacht dat lengtecontrole een standaardknop wordt in plaats van een bijzaak. Onderzoekers combineren lengtenormalisatie met expliciete lengtestraffen, lengteafhankelijke beloningen en evaluatiereeksen die de antwoordlengte constant houden om de echte kwaliteitswinst te meten. Naarmate beloningsmodellen beter worden in het opsporen van breedsprakigheid, zullen uitlijningspijplijnen waarschijnlijk standaard winstpercentages met lengte-debias rapporteren, en zullen gebruikers meer controle krijgen over hoe bondig of gedetailleerd de antwoorden van een model moeten zijn.
Gratis nieuwsbrief
Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.
Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.
Test jezelf
Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.
Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie
Lengtenormalisatie past de doelstellingen voor het afstemmen van voorkeuren aan, zodat modellen niet langer goedkeuring winnen door alleen maar langere antwoorden te schrijven. Het is belangrijk omdat ongecorrigeerde beloningssignalen chatbots in de richting van uitgebreide, opgevulde reacties duwen in plaats van echt betere.
De impliciete beloning van DPO groeit met het aantal tokens, dus zonder normalisatie leren modellen dat eenvoudigweg uitgebreider zijn de neiging heeft om voorkeursvergelijkingen te winnen.
De impliciete beloning telt de log-waarschijnlijkheidsverhoudingen voor elk token op, dus meer tokens betekent over het algemeen een grotere totale beloning.
SimPO beoordeelt reacties op basis van hun gemiddelde (lengtegenormaliseerde) logwaarschijnlijkheid en voegt een beoogde beloningsmarge toe, waardoor het mechanische lengtevoordeel wordt geëlimineerd.
Het lengtegecontroleerde winstpercentage (zoals bij AlpacaEval 2) wordt aangepast aan de lengte van het antwoord, zodat de winst de kwaliteit weerspiegelt en niet de breedsprakigheid.
The SimPO paper reports chat-based evaluations on AlpacaEval 2, MT-Bench, and Arena-Hard; these benchmark results apply to the tested models and setups.
Blijf leren
Er zijn meer handleidingen voor dit onderwerp geselecteerd
VolgendeVolgende gids
Optimalisatie van oddsratio-voorkeur
Taal AI