研究人员开发了一种新颖的直接偏好优化(DPO)计算图随机剪枝框架,可显著加快训练速度并减少内存使用。该方法通过对评分响应位置、执行前缀和反向传播的偏好分支进行采样,从而省略不必要的计算。实验表明,与标准DPO相比,步进时间提高了1.4倍,总体训练时间减少了约30%,而准确率仅略有下降。 AI
影响 该研究提供了一种使用DPO显著减少训练大型语言模型所需计算资源的方法,有望加速开发周期。
排序理由 学术论文,详细介绍了一种优化AI模型训练的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →