選好チューニング

書いてみる

関連タグ

#DPO (15)
#LLM (7,919)
#RLHF (60)
#googleコラボ (61)
#unsloth (11)
#ファインチューニング (399)
#大規模言語モデル (2,922)

DPO（選好チューニング）でLLMを訓練する方法

Non
2か月前