N 中选优采样：无需基于强化学习微调即可获得更好模型输出的替代方法

在 extras 模块中，best-of-n 采样器类是一种生成更优模型输出的替代方法。至于它与基于强化学习的微调相比效果如何，请参阅 examples 目录中的比较示例。

用法

要快速开始，请使用模型、长度采样器、分词器和一个可调用的奖励代理管道（用于为输入查询输出奖励分数）来实例化该类的一个实例。


from transformers import pipeline, AutoTokenizer
from trl import AutoModelForCausalLMWithValueHead
from trl.core import LengthSampler
from trl.extras import BestOfNSampler

ref_model = AutoModelForCausalLMWithValueHead.from_pretrained(ref_model_name)
reward_pipe = pipeline("sentiment-analysis", model=reward_model, device=device)
tokenizer = AutoTokenizer.from_pretrained(ref_model_name)
tokenizer.pad_token = tokenizer.eos_token


# callable that takes a list of raw text and returns a list of corresponding reward scores
def queries_to_scores(list_of_strings):
  return [output["score"] for output in reward_pipe(list_of_strings)]

best_of_n = BestOfNSampler(model, tokenizer, queries_to_scores, length_sampler=output_length_sampler)

假设您有一个已分词查询的列表/张量，您可以通过调用 generate 方法生成更好的输出。


best_of_n.generate(query_tensors, device=device, **gen_kwargs)

默认的样本大小是 4，但您可以在实例初始化时进行更改，如下所示：


best_of_n = BestOfNSampler(model, tokenizer, queries_to_scores, length_sampler=output_length_sampler, sample_size=8)

默认输出是为每个查询选择得分最高的输出，但您可以在实例初始化时通过传递 n_candidates 参数来更改为得分前 2 的输出等。


best_of_n = BestOfNSampler(model, tokenizer, queries_to_scores, length_sampler=output_length_sampler, n_candidates=2)

您可以在创建实例时设置生成参数（如 temperature、pad_token_id），而不是在调用 generate 方法时设置。这可以通过在初始化时传递来自 transformers 库的 GenerationConfig 来实现。


from transformers import GenerationConfig

generation_config = GenerationConfig(min_length= -1, top_k=0.0, top_p= 1.0, do_sample= True, pad_token_id=tokenizer.eos_token_id)

best_of_n = BestOfNSampler(model, tokenizer, queries_to_scores, length_sampler=output_length_sampler, generation_config=generation_config)

best_of_n.generate(query_tensors, device=device)

此外，在初始化时，您可以设置种子以控制生成过程的可重复性，以及为每个查询生成的样本数量。

< > 在 GitHub 上更新

TRL

N 中选优采样：无需基于强化学习微调即可获得更好模型输出的替代方法

用法