库名称: transformers 基础模型:

• nbeerbower/llama-3-wissenschaft-8B 数据集:
• jondurbin/truthy-dpo-v0.1
• kyujinpy/orca_math_dpo 许可证类型: other 许可证名称: llama3

llama-3-bophades-v3-8B

本模型基于Llama-3-8b构建，受META LLAMA 3社区许可协议约束。

nbeerbower/llama-3-wissenschaft-8B在jondurbin/truthy-dpo-v0.1和kyujinpy/orca_math_dpo数据集上进行了微调。

实现方法

使用Google Colab的A100显卡进行微调。

参考教程：使用直接偏好优化微调Mistral-7b模型 - 作者Maxime Labonne

配置参数

数据集预处理与消息格式化：

def chatml_format(example):
    # 初始化系统消息格式
    system = ""

    # 检查'system'字段是否存在且非空
    if example.get('system'):
        system = "<|im_start|>system\n" + example['system'] + "<|im_end|>\n"

    # 格式化指令
    instruction = ""
    if example.get('prompt'):
        instruction = example['prompt']
    if example.get('question'):
        instruction = example['question']
    prompt = "<|im_start|>user\n" + instruction + "<|im_end|>\n<|im_start|>assistant\n"

    # 格式化采纳答案
    chosen = example['chosen'] + "<|im_end|>\n"

    # 格式化拒绝答案
    rejected = example['rejected'] + "<|im_end|>\n"

    return {
        "prompt": system + prompt,
        "chosen": chosen,
        "rejected": rejected,
    }

# 待合并的数据集数组
ds = [
    "jondurbin/truthy-dpo-v0.1",
    "kyujinpy/orca_math_dpo"
]

# 加载并合并所有数据集
loaded_datasets = [load_dataset(dataset_name, split='train') for dataset_name in ds]
dataset = concatenate_datasets(loaded_datasets)

# 保留原始列名
original_columns = dataset.column_names

# 初始化分词器
tokenizer = AutoTokenizer.from_pretrained(model_name)
tokenizer.pad_token = tokenizer.eos_token
tokenizer.padding_side = "left"

# 格式化数据集
dataset = dataset.map(
    chatml_format,
    remove_columns=original_columns
)

LoRA配置、模型及训练参数：

# LoRA参数配置
peft_config = LoraConfig(
    r=16,
    lora_alpha=16,
    lora_dropout=0.05,
    bias="none",
    task_type="CAUSAL_LM",
    target_modules=['k_proj', 'gate_proj', 'v_proj', 'up_proj', 'q_proj', 'o_proj', 'down_proj']
)

# 待微调模型
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    load_in_4bit=True
)
model.config.use_cache = False

# 参照模型
ref_model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype=torch.bfloat16,
    load_in_4bit=True
)

# 训练参数设置
training_args = TrainingArguments(
    per_device_train_batch_size=2,
    gradient_accumulation_steps=4,
    gradient_checkpointing=True,
    learning_rate=5e-5,
    lr_scheduler_type="cosine",
    max_steps=1000,
    save_strategy="no",
    logging_steps=1,
    output_dir=new_model,
    optim="paged_adamw_32bit",
    warmup_steps=100,
    bf16=True,
    report_to="wandb",
)

# 创建DPO训练器
dpo_trainer = DPOTrainer(
    model,
    ref_model,
    args=training_args,
    train_dataset=dataset,
    tokenizer=tokenizer,
    peft_config=peft_config,
    beta=0.1,
    max_prompt_length=2048,
    max_length=4096,
    force_use_ref_model=True
)

# 执行DPO微调
dpo_trainer.train()