PulseAugur
实时 08:48:34
实体 Metadata-Free Meta-Reweighted Direct Preference Optimization

Metadata-Free Meta-Reweighted Direct Preference Optimization

PulseAugur coverage of Metadata-Free Meta-Reweighted Direct Preference Optimization — every cluster mentioning Metadata-Free Meta-Reweighted Direct Preference Optimization across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_141576 ·

    新的DPO方法改进了LLM与噪声偏好数据的对齐

    研究人员开发了一种名为元数据无关元重加权直接偏好优化(MF-MR-DPO)的新方法,用于改进大型语言模型(LLM)与人类偏好的对齐,即使偏好数据存在噪声。该方法利用了双层优化框架和一种不依赖显式元数据的、由任务无关的元知识驱动的技术。该方法还采用了一种可扩展的训练方案,使用中心差分近似和LoRA微调来降低与高阶梯度相关的计算成本。在TL;DR摘要和Anthropic HH数据集上的实验表明,在各种噪声水平下,MF-MR-DPO的性能优…