ログイン
会員登録
オンポリシーデータ
書いてみる
関連タグ
#LLM (6,257)
#サブオプティマルデータ (1)
#データセット (887)
#プリファレンスファインチューニング (1)
#モデル (14,831)
#使用 (4,250)
人気
急上昇
新着
定番
有料のみ
1件
人気の記事一覧
Preference Fine-Tuning of LLMs Should Leverage Suboptimal, On-Policy Data
Ikemen Mas Kot
7か月前