כתבה
arXiv cs.CL ·
InfiFPO: שילוב מודלים מרומזים
InfiFPO: Implicit Model Fusion via Preference Optimization in Large Language Models
InfiFPO הוא שיטה חדשה לשילוב מודלים מרומזים. היא משלבת מודלים שונים עם יכולות שונות ליצירת מודל משולב חזק יותר. InfiFPO משתמשת במידע ההסתברותי של המודלים המקוריים, ומאפשרת שיפור בביצועים.
תקציר מקורי באנגליתarXiv:2505.13878v4 Announce Type: replace-cross Abstract: Model fusion combines multiple Large Language Models (LLMs) with different strengths into a more powerful, integrated model through lightweight training methods. Existing works on model fusion focus primarily on supervised fine-tuning (SFT), leaving preference alignment (PA) --a critical phase for enhancing LLM performance--largely unexplored. The current few fusion methods on PA phase, like WRPO, simplify the process by utilizing only response outputs from source models while discarding their probability information. To address this limitation, we propose InfiFPO, a preference optimization method for implicit model fusion. InfiFPO replaces the reference model in Direct Preference Optimization (DPO) with a fused source model that sy
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית