申请/专利权人：哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

申请日：2024-02-29

公开（公告）日：2024-04-09

公开（公告）号：CN117852616A

主分类号：G06N3/09

分类号：G06N3/09;G06N3/092;G06N5/022

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于增强拒绝采样训练的大语言模型对齐微调方法和系统，涉及人工智能技术领域，包括：基于有监督微调后的大语言模型，为预设指令请求文本生成N条响应文本；基于训练好的奖励模型对每条响应文本进行评估，得到奖励分数；将N条响应文本按照对应的奖励分数由高到低排序，并选取前k条响应文本组成目标样本集；基于预设加权函数，计算每条响应文本对应的数据权重；基于预设指令请求文本、目标样本集中的响应文本和数据权重构建加权微调数据集，并基于加权微调数据集对有监督微调后的大语言模型进行对齐微调，得到目标大语言模型。本发明缓解了现有技术存在的过拟合风险高、易受有噪奖励分数干扰的技术问题。

主权项：1.一种基于增强拒绝采样训练的大语言模型对齐微调方法，其特征在于，所述方法包括：基于有监督微调后的大语言模型，为预设指令请求文本生成N条响应文本；N为正整数；基于训练好的奖励模型对每条响应文本进行评估，得到每条响应文本对应的奖励分数；将所述N条响应文本按照对应的奖励分数由高到低排序，并选取前k条响应文本组成目标样本集；其中，1＜k≤N；基于预设加权函数，计算所述目标样本集中的每条响应文本对应的数据权重；所述预设加权函数为关于奖励分数的函数；基于所述预设指令请求文本、所述目标样本集中的响应文本和所述数据权重构建加权微调数据集，并基于所述加权微调数据集对所述有监督微调后的大语言模型进行对齐微调，得到目标大语言模型。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 基于增强拒绝采样训练的大语言模型对齐微调方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD