BriefGPT - AI 论文速递 · 2025-04-22T00:00:00Z Pre-DPO：通过指导参考模型提高直接偏好优化中的数据利用率 💡 原文中文，约600字，阅读约需2分钟。 📝 内容提要 本研究提出了一种新的训练范式Pre-DPO，旨在提高直接偏好优化（DPO）的数据利用效率。通过使用指导参考模型，Pre-DPO显著提升了DPO和简单偏好优化（SimPO）的性能，无需外部模型或额外数据。 🏷️ 标签 Pre-DPO 指导参考模型 数据利用效率 直接偏好优化 简单偏好优化 阅读原文 生成长图 分享链接 已复制链接
