AI大模型
数据集
专业论文
微观视角
在线工具
iPhone资讯

AI大模型
数据集
专业论文
微观视角
在线工具
iPhone资讯

主页偏好优化

标签：偏好优化

扔掉强化学习，DPO 用一道分类损失就把模型对齐了

逐条拆解 DPO 论文：RLHF 为什么要分「训奖励模型 +…

2026-06-28

0

搜索

近期文章

LoRA 微调到底怎么调才对？Sebastian Raschka 用实验把坑都踩过了2026-09-05
「SaaS 末日论」吵翻了天，Anthropic 老板却说不打算摧毁任何人2026-09-05
图灵奖得主 Sutton 泼冷水：大模型只是「共识的容器」，不是科学家2026-09-05
Chollet 说 AI 的终点是「直觉引导的符号世界建模」：从 ARC-AGI-3 说起2026-09-05
LeCun 押注十亿美元赌 LLM 走不通：世界模型到底想解决什么2026-09-04
一口气开源六个模型：K2 Horizon 把「开放权重」这个词重新定义了2026-09-04
别费劲写完美提示词了，Karpathy 说他靠「对着 AI 漫谈十分钟」干活2026-09-04
Jim Fan 拆解机器人的「GPT 时刻」：一次成型的一样本学习是怎么冒出来的2026-09-04
15 万亿 token 的网页语料怎么炼成？FineWeb 的清洗流水线拆解2026-09-03
不给有害标签也能教 AI 守规矩？Anthropic 的「宪法式」对齐2026-09-02

Agent AI Agent AI办公 AI编程 Anthropic DPO Hugging Face LLM LoRA MCP NLP PEFT Qwen Qwen3 Qwen3.8 RAG RLHF SFT Transformer Vibe Coding 人工智能低秩适配偏好数据多模态大模型大模型训练开发工具开源模型微调思维链指令微调推理推理增强提示工程数据集本地部署模型平台模型知识注意力机制深度学习论文精读评测基准通义千问预训练语料魔搭

Copyright 2026 — Ainexis. All rights reserved. 沪ICP备11008058号-6 沪公网安备31011202022208号

首选项

主要菜单

AI大模型
数据集
专业论文
微观视角
在线工具
iPhone资讯