2025年12月16日
初识DPO
摘要： Bradley Terry模型 \[P(i \succ j) = \frac{e^{s_i}}{e^{s_i} + e^{s_j}}\\e^{s_i}表示{s_i}的实力,则P(i \succ j)表示{s_i}战胜{s_j}的概率 \]假设x为prompt，LLM的response为y，评价一个回 阅读全文
posted @ 2025-12-16 23:59 leleleocc 阅读(13) 评论(0) 推荐(0)