计算机科学 > 机器学习
[提交于 2025年8月16日
]
标题: DynamixSFT:指令微调数据集的动态混合优化
标题: DynamixSFT: Dynamic Mixture Optimization of Instruction Tuning Collections
摘要: 随着越来越多的指令微调数据集在训练后阶段出现,动态平衡和优化它们的混合变得是一个关键挑战。 为了解决这个问题,我们提出了DynamixSFT,一种用于指令微调数据集混合优化的动态和自动化方法。 我们将问题形式化为一个多臂老虎机设置,并引入了一种先验缩放的玻尔兹曼探索,该方法将更新后的采样分布软性地锚定到原始数据集比例,从而保留了数据集集合的固有多样性和覆盖范围。 使用轻量级的1步前瞻奖励来更新采样概率,反映数据集对当前状态下模型性能提升的贡献程度。 当应用于包含16个指令微调数据集的Tulu-v2-mixture集合时,DynamixSFT在10个基准测试中实现了高达2.2%的性能提升。 此外,我们提供了全面的分析和可视化,以更深入地了解我们方法的自适应动态。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.