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。
本文介绍了一种在大型语言模型中应用直接偏好优化的新方法，称为令牌级重要性采样的DPO目标（TIS-DPO）。该方法通过为每个令牌分配基于奖励的权重，提高了优化效率。实验结果表明，TIS-DPO在安全性、实用性对齐和摘要任务上优于多种基线方法。
完成下面两步后，将自动完成登录并继续当前操作。
