LM-Mixup通过提炼低质量数据来增强LLM指令调优

研究人员推出了一种新颖的文本数据增强方法LM-Mixup，用于改进大型语言模型（LLMs）的指令调优。该技术通过将大量低质量或冗余数据提炼成连贯的指令-输出对，解决了高质量数据稀缺的问题。LM-Mixup过程包括在名为MIXTURE的提炼数据集上进行监督微调，然后通过Group Relative Policy Optimization（GRPO）使用质量、语义对齐和格式合规性奖励进行强化学习。实验表明，使用LM-Mixup增强数据进行微调的LLMs，其性能优于在完整数据集上训练的模型，并可与最先进的数据选择方法相媲美，证明了提炼低质量数据的价值。 AI

影响 通过更好地利用低质量数据进行指令调优，提高了LLM的效率和性能。

排序理由 该集群包含一篇详细介绍LLM数据增强新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• arXiv
• Group Relative Policy Optimization
• Hugging Face
• Large Language Models
• LM-Mixup
• MIXTURE
• Zhijie Deng

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →