跳到正文
Learn Everything
文章
标签
项目
关于
归档
搜索
首页
»
标签
»
dpo
标签: DPO
该标签下的全部文章 "DPO".
DPO 入门:不用在线奖励循环,怎样学习偏好
15 Sep, 2026
从 chosen/rejected 答案对出发,计算 reference 校准的偏好分差、sigmoid 损失与梯度,解释 DPO 与 PPO、SFT 的区别。