Metaphor

标签: dpo

此标签下有2条笔记。

  • 2026年6月20日

    f-GRPO:基于散度的强化学习统一框架

    • reinforcement-learning
    • llm-alignment
    • grpo
    • dpo
    • divergence
  • 2026年4月16日

    AI对齐技术详解

    • alignment
    • rlhf
    • constitutional-ai
    • dpo
    • llm
    • training

Created with Quartz v4.5.2 © 2026

  • GitHub
  • Discord Community