注册    登录
今天看啥  ›  专栏  ›  爱可可-爱生活

通过理论分析和综合实验发现PPO经过精心微调可以优于DPO，在对-20240418052527

爱可可-爱生活  · 微博  · AI  · 2024-04-18 05:25
2024-04-18 05:25 本条微博链接 通过理论分析和综合实验发现PPO经过精心微调可以优于DPO，在对话和代码生成任务上都取得了最先进的结果。 [CL]《Is DPO Superior to PPO for LLM Alignment? A Comprehensive Study》S Xu, W Fu, J Gao, W Ye, W Liu, Z Mei, G Wang, C Yu, Y Wu [Tsinghua University & OpenPsi Inc] (2024) 网页链接 #机器学习##人工智能##论文# ………………………………

原文地址：访问原文地址
快照地址： 访问文章快照
推荐文章
爱可可-爱生活  ·  【cortex：为深度学习系统设计的模块化架构库，支持多任务、引-20240430123641
昨天
爱可可-爱生活  ·  【Dokploy：开源的自托管平台即服务(PaaS)，简化了使用-20240430134649
昨天
爱可可-爱生活  ·  【KRAGEN：结合知识图谱、检索增强生成（RAG）和高级提示技-20240429135236
2 天前
宝玉xp  ·  转发微博-20240429010939
2 天前
爱可可-爱生活  ·  【GenIR-Survey：生成式信息检索(GenIR)相关论文-20240427174846
4 天前
北京价格早报  ·  8月份海淀区鸡蛋价格上涨明显
7 月前
投行业务资讯  ·  重磅！安永放弃分拆计划
1 年前
复盘笔记本  ·  【12.25晚间】上市公司公告汇总+三大报精华
1 年前
广州微博房产  ·  担心开发商跑路？刚买就降价？首付不够？选不到户型？国庆海量购房福-20210930175348
2 年前
新世相  ·  “我爱情美满，全靠自我感觉良好”
6 年前
关于   移动版   ·   Py中国   ·   RSS之家   ·   codingpro   ·   Code   ·   link之家   ·   卧龙AI搜索   ·   藏经阁   ·   小百科
今天看啥 - 微信公众号rss订阅, 微信rss, 稳定的RSS源
© 2024 ~ 沪ICP备11025650号