实体 Online DPO

Online DPO

PulseAugur coverage of Online DPO — every cluster mentioning Online DPO across labs, papers, and developer communities, ranked by signal.

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

TOOL · CL_259264 · Sep 17 · 04:00

撤回的论文提出了用于LLM对齐的KV缓存压缩方法

一篇由作者Rui Zhu撤回的研究论文，探讨了在大型语言模型（LLM）训练后对齐过程中压缩KV缓存的方法。该研究旨在解决在长上下文推理任务的强化学习中遇到的显著内存开销和策略外偏差问题。提出的影子掩码蒸馏（Shadow Mask Distillation）技术试图通过提高RLHF和RLAIF等对齐过程中的内存效率来缓解这些问题。