logo
DPO

  1. DPO 实战：训练一个更符合业务偏好的模型

    AI
    LLM
    DPO
    微调
    偏好优化

  2. 偏好优化：从 RLHF 到 DPO

    AI
    LLM
    RLHF
    DPO
    对齐