reference policy

Определение

Базовая политика (π_ref), относительно которой вычисляется относительная вероятность ответов в методах прямого обучения предпочтений, таких как DPO.

Где встречается

• 800+ вопросов

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление