プリファレンスファインチューニング

書いてみる

関連タグ

#LLM (6,257)
#オンポリシーデータ (1)
#サブオプティマルデータ (1)
#データセット (887)
#モデル (14,831)
#使用 (4,250)

Preference Fine-Tuning of LLMs Should Leverage Suboptimal, On-Policy Data

Ikemen Mas Kot
7か月前