迭代标签精炼优于偏好优化在弱监督下的重要性

本研究探讨了在不可靠监督下语言模型后训练的有效性，提出的迭代标签精炼方法通过优化微调数据显著提升了模型性能，尤其在复杂任务中优于传统算法。