Metaphor

标签: preference-optimization

此标签下有2条笔记。

  • 2026年5月12日

    KTO(Kahneman-Tversky优化)

    • alignment
    • kto
    • rlhf
    • preference-optimization
    • kahneman-tversky
  • 2026年5月12日

    ORPO(Odds Ratio Preference Optimization)

    • orpo
    • preference-optimization
    • alignment
    • llm-training
    • reinforcement-learning

Created with Quartz v4.5.2 © 2026

  • GitHub
  • Discord Community