本文提出了一种名为TIS-DPO的令牌级重要性采样方法，用于直接偏好优化（DPO），旨在提高大语言模型的优化效率。TIS-DPO通过为每个令牌分配基于奖励的重要性权重，优化了数据集的使用。实验结果表明，TIS-DPO在无害性和有用性对齐及摘要任务上显著优于基线方法。