deita-complexity-scorer-data

# Dataset Card for Deita Complexity Scorer Training Data

[GitHub](https://github.com/hkust-nlp/deita) | [Paper](https://arxiv.org/abs/2312.15685)

Deita is an open-sourced project designed to facilitate **Automatic Data Selection** for instruction tuning in Large Language Models (LLMs).

This dataset includes data for training Deita Complexity Scorer.

**Model Family**: Other models and the dataset are found in the [Deita Collection](https://huggingface.co/collections/hkust-nlp/deita-6569c198c174808d94cf5bd4)

## Performance

| Model | Align | Data Size | MT-Bench | AlpacaEval(%) | OpenLLM (Avg.) |
|------------------------------------------------|-----------|------------|----------|---------------|----------------|
| **Proprietary Models** | | | | | |
| GPT-4-Turbo | ? | -- | 9.32 | 97.70 | -- |
| GPT-4 | SFT + PPO | -- | 8.99 | 95.03 | -- |
| Claude-2 | SFT + PPO | -- | 8.06 | 91.36 | -- |
| GPT-3.5-turbo | SFT + PPO | -- | 7.94 | 89.37 | -- |
| **Open-sourced Models based on LLaMA-1-13B** | | | | | |
| LIMA | SFT | 1K SFT | 4.29 | 41.98 | 59.82 |
| WizardLM-13B | SFT | 70K SFT | 6.35 | 75.31 | 58.96 |
| Vicuna-13B-v1.3 | SFT | 125K SFT | 6.39 | 82.11 | 60.01 |
| Random | SFT | 10K SFT | 6.03 | 71.52 | 60.14 |
| DEITA-LLaMA1-13B-v1.0-sft | SFT | 10K SFT | 6.60 | 78.01 | 64.27 |
| **Open-sourced Models based on LLaMA-2-13B** | | | | | |
| Tulu-2-13B | SFT | 326K SFT | 6.70 | 78.90 | -- |
| Tulu-2-13B+DPO | SFT + DPO | 326K SFT + 60K DPO | 7.00 | 89.50 | -- |
| LLaMA2-13B-Chat | SFT + PPO | -- | 6.65 | 81.09 | -- |
| WizardLM-13B-v1.2 | SFT | >70K SFT | 7.09 | 89.17 | -- |
| Vicuna-13B-v1.5 | SFT | 125K SFT | 6.57 | 78.80 | 61.63 |
| Random | SFT | 10K SFT | 5.78 | 65.19 | 61.32 |
| DEITA-LLaMA2-13B-v1.0-sft | SFT | 10K SFT | 6.79 | 81.09 | 62.71 |
| **Open-sourced Models based on Mistral-7B** | | | | | |
| Mistral-7B-Instruct-v0.1 | -- | -- | 6.84 | 69.65 | 60.45 |
| Zephyr-7B-sft | SFT | 200K SFT | 5.32 | 75.12 | 60.93 |
| $\text{Zephyr-7B-}\beta$ | SFT + DPO | 200K SFT + 60K DPO | 7.34 | 90.60 | 66.36 |
| OpenChat-3.5 | C-RLFT | >> 70K C-RLFT | 7.81 | 88.51 | -- |
| Starling-7B | C-RLFT + APA | >>70K C-RLFT + 183K APA | 8.09 | 91.99 | -- |
| Random | SFT | 10K SFT | 5.89 | 56.90 | 61.72 |
| DEITA-7B-v1.0-sft (6K) | SFT | 6K SFT | 7.22 | 80.78 | 64.94 |
| DEITA-7B-v1.0-sft (10K) | SFT | 10K SFT | 7.32 | 81.67 | 64.00 |
| DEITA-7B-v1.0 | SFT + DPO | 6K SFT + 10K DPO | 7.55 | 90.06 | 69.86 |

## Citation
If you find the content of this project helpful, please cite our paper as follows:

```
@misc{liu2023what,
title={What Makes Good Data for Alignment? A Comprehensive Study of Automatic Data Selection in Instruction Tuning},
author={Wei Liu and Weihao Zeng and Keqing He and Yong Jiang and Junxian He},
year={2023},
eprint={2312.15685},
archivePrefix={arXiv},
primaryClass={cs.CL}
}
```

# Deita复杂度评分器训练数据集 数据集卡片

[GitHub](https://github.com/hkust-nlp/deita) | [论文](https://arxiv.org/abs/2312.15685)

Deita是一款开源项目，旨在助力大语言模型（Large Language Model，LLM）指令微调中的**自动数据选择（Automatic Data Selection）**。本数据集包含用于训练Deita复杂度评分器的相关数据。

**模型家族**：更多模型与数据集可参见[Deita 合集](https://huggingface.co/collections/hkust-nlp/deita-6569c198c174808d94cf5bd4)

## 性能评测

| 模型名称 | 对齐方式 | 数据规模 | MT-Bench得分 | AlpacaEval(%) | OpenLLM（平均分） |
|------------------------------------------------|-----------|------------|----------|---------------|----------------|
| **专有模型** | | | | | |
| GPT-4 Turbo | ? | -- | 9.32 | 97.70 | -- |
| GPT-4 | 监督微调（Supervised Fine-Tuning, SFT）+ 近端策略优化（Proximal Policy Optimization, PPO） | -- | 8.99 | 95.03 | -- |
| Claude-2 | 监督微调（SFT）+ 近端策略优化（PPO） | -- | 8.06 | 91.36 | -- |
| GPT-3.5-turbo | 监督微调（SFT）+ 近端策略优化（PPO） | -- | 7.94 | 89.37 | -- |
| **基于LLaMA-1-13B的开源模型** | | | | | |
| LIMA | 监督微调（SFT） | 1K 监督微调数据 | 4.29 | 41.98 | 59.82 |
| WizardLM-13B | 监督微调（SFT） | 70K 监督微调数据 | 6.35 | 75.31 | 58.96 |
| Vicuna-13B-v1.3 | 监督微调（SFT） | 125K 监督微调数据 | 6.39 | 82.11 | 60.01 |
| 随机模型 | 监督微调（SFT） | 10K 监督微调数据 | 6.03 | 71.52 | 60.14 |
| DEITA-LLaMA1-13B-v1.0-sft | 监督微调（SFT） | 10K 监督微调数据 | 6.60 | 78.01 | 64.27 |
| **基于LLaMA-2-13B的开源模型** | | | | | |
| Tulu-2-13B | 监督微调（SFT） | 326K 监督微调数据 | 6.70 | 78.90 | -- |
| Tulu-2-13B+DPO | 监督微调（SFT）+ 直接偏好优化（Direct Preference Optimization, DPO） | 326K 监督微调数据 + 60K 直接偏好优化数据 | 7.00 | 89.50 | -- |
| LLaMA2-13B-Chat | 监督微调（SFT）+ 近端策略优化（PPO） | -- | 6.65 | 81.09 | -- |
| WizardLM-13B-v1.2 | 监督微调（SFT） | >70K 监督微调数据 | 7.09 | 89.17 | -- |
| Vicuna-13B-v1.5 | 监督微调（SFT） | 125K 监督微调数据 | 6.57 | 78.80 | 61.63 |
| 随机模型 | 监督微调（SFT） | 10K 监督微调数据 | 5.78 | 65.19 | 61.32 |
| DEITA-LLaMA2-13B-v1.0-sft | 监督微调（SFT） | 10K 监督微调数据 | 6.79 | 81.09 | 62.71 |
| **基于Mistral-7B的开源模型** | | | | | |
| Mistral-7B-Instruct-v0.1 | -- | -- | 6.84 | 69.65 | 60.45 |
| Zephyr-7B-sft | 监督微调（SFT） | 200K 监督微调数据 | 5.32 | 75.12 | 60.93 |
| Zephyr-7B-β | 监督微调（SFT）+ 直接偏好优化（DPO） | 200K 监督微调数据 + 60K 直接偏好优化数据 | 7.34 | 90.60 | 66.36 |
| OpenChat-3.5 | 对比强化学习微调（C-RLFT） | >>70K 对比强化学习微调数据 | 7.81 | 88.51 | -- |
| Starling-7B | 对比强化学习微调（C-RLFT） + APA | >>70K 对比强化学习微调数据 + 183K APA | 8.09 | 91.99 | -- |
| 随机模型 | 监督微调（SFT） | 10K 监督微调数据 | 5.89 | 56.90 | 61.72 |
| DEITA-7B-v1.0-sft (6K) | 监督微调（SFT） | 6K 监督微调数据 | 7.22 | 80.78 | 64.94 |
| DEITA-7B-v1.0-sft (10K) | 监督微调（SFT） | 10K 监督微调数据 | 7.32 | 81.67 | 64.00 |
| DEITA-7B-v1.0 | 监督微调（SFT）+ 直接偏好优化（DPO） | 6K 监督微调数据 + 10K 直接偏好优化数据 | 7.55 | 90.06 | 69.86 |

## 引用

若您认为本项目内容对您的研究有所帮助，请按如下格式引用我们的论文：

@misc{liu2023what,
title={What Makes Good Data for Alignment? A Comprehensive Study of Automatic Data Selection in Instruction Tuning},
author={Wei Liu and Weihao Zeng and Keqing He and Yong Jiang and Junxian He},
year={2023},
eprint={2312.15685},
archivePrefix={arXiv},
primaryClass={cs.CL}
}