2D Curriculum Learning for Direct Preference Optimization
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了2D-Curri-DPO框架，克服了传统偏好优化方法的局限性，通过建模复杂性和可区分性，提升了训练的稳定性和优化效果。实验结果表明，该框架在多个基准测试中表现优异。
🏷️
