PulseAugur
中
实时 10:25:00
实体 Uncertainty-Normalized Margins for Direct Preference Optimization

Uncertainty-Normalized Margins for Direct Preference Optimization

PulseAugur coverage of Uncertainty-Normalized Margins for Direct Preference Optimization — every cluster mentioning Uncertainty-Normalized Margins for 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_275269 ·

    新的UNM-DPO方法增强了语言模型的偏好学习

    研究人员引入了一种名为不确定性归一化的直接偏好优化(UNM-DPO)的新方法,以改进语言模型从人类偏好中学习的方式。与标准的DPO不同,UNM-DPO通过纳入学习到的提示尺度来考虑人类反馈中偏好的强度和不确定性。新方法包括两个训练目标:仅优势(AO)和整体残差(WR),其中ULNM-DPO-WR通过响应长度进一步归一化奖励。在HelpSteer2和AlpacaEval等基准上的评估表明,与现有的DPO和SimPO基线相比,UNM-DP…