BriefGPT - AI 论文速递 · 2024-11-12T00:00:00Z 可控熵直接偏好优化 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 本研究提出了一种改进的H-DPO方法，解决了大型语言模型训练中直接偏好优化（DPO）无法有效捕捉参考分布模式的问题。实验结果表明，H-DPO在多个任务中优于DPO，尤其在数学任务中表现突出，显示出良好的应用潜力。 🏷️ 标签 DPO H-DPO 优化 大型语言模型 数学任务 阅读原文 生成长图 分享链接 已复制链接
