2024年11月22日
DPO算法
摘要： 1. 基础知识 1.1 KL散度 1.1.1 定义 KL散度（Kullback-Leibler Divergence）是信息论中的一个重要概念，用于衡量两个概率分布之间的差异。它评估分布 \(P\) 在多大程度上与分布 \(Q\) 不一致。 离散分布下的公式 \[D_{\text{KL}}(P \| 阅读全文
posted @ 2024-11-22 15:05 Bronya_Silverwing 阅读(295) 评论(0) 推荐(0)