DPOTrainer

Определение

Компонент библиотеки TRL для обучения модели методом DPO. Требует задания model, ref_model и dataset с предпочтениями.

Где встречается

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

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление