Identity Preference Optimization

Определение

Улучшение DPO, устраняющее гиперпараметр β.

Где встречается

• 36. Что такое DPO (Direct Preference Optimization) и чем отличается от RLHF

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление