2025年6月30日
大模型- PPO、DPO 和 KTO 这三种用于大语言模型（LLM）对齐的强化学习算法 -74
摘要： 目录核心思想与类比关键区别对比表详细解释PPODPOKTO如何选择样本数据集格式 核心思想与类比 KTO (Kahneman-Tversky Optimization)。这是一个较新的算法，其命名源于诺贝尔经济学奖得主丹尼尔·卡尼曼和阿莫斯·特沃斯基的前景理论。在LLM对齐的语境下，大家讨论的基本上 阅读全文
posted @ 2025-06-30 10:35 jack-chen666 阅读(738) 评论(0) 推荐(0)