Hyperparameter
Beta-Hyperparameter (DPO)
Mechanismus
Steuerungsparameter , der die mathematische Strenge der KL-Divergenz-Sanktionierung zwischen altem und neuem Modell definiert.
Implikation
Kontrolliert die Balance zwischen der Stabilität des Basismodells und der Aggressivität der Präferenzanpassung.