Fine-tuning

DPO (التحسين المباشر للتفضيلات)

بديل لـ RLHF يحسن النموذج مباشرة من بيانات تفضيلات البشر دون الحاجة إلى نموذج مكافأة وسيط، مما يبسط عملية المحاذاة.

← رجوع