Alignment
DPO (Direct Preference Optimization)
DPO (Direct Preference Optimization) ist ein Begriff aus dem Bereich Alignment: direktes Alignment über binäre Kreuzentropie-Verluste auf Basis relativer Wahrscheinlichkeitsänderungen der Modellpolitik.
Mechanismus
Direktes Alignment über binäre Kreuzentropie-Verluste auf Basis relativer Wahrscheinlichkeitsänderungen der Modellpolitik.
Implikation
Bietet ein hochgradig stabiles, mathematisch elegantes und recheneffizientes Alignment-Verfahren für Großmodelle.
Ausführliche Erklärung
Verwandte Begriffe
Artikel zu diesem Begriff
Aktuell sind keine Artikel zu diesem Begriff verknüpft.