DPO

書いてみる

関連タグ

#LLM (8,017)
#RLHF (60)
#大規模言語モデル (2,938)
#AI (354,123)
#人工知能 (198,653)
#生成AI (61,545)

Preference Fine-Tuning の概要

npaka
2か月前

DPO（選好チューニング）でLLMを訓練する方法

Non
2か月前

Azure OpenAI ServiceにおけるDirect Preference Optimization機能のパブリックプレビュー発表

daka | Microsoft | AI
2か月前

論文紹介 part7-3 ："The Ultimate Guide to Fine-Tuning LLMs from Basics to Breakthroughs: An Exhaustive Review of Technologies, Research, Best Practices, Applied Research Challenges and Opportunities"を読む

新明技研
3か月前

LLMの強化学習における新手法:TR-DPOの論文紹介

sergicalsix
10か月前

論文メモ: Self-Rewarding Language Models

はち
9か月前

中間整理に向け：個情法3年見直し（同意によらない提供、PIA、責任者の設置）

Ami〜こちら個人情報担当です
8か月前

論文解説：LLMのペアワイズ評価を自動化するLLMの自動精度向上手法（人間アノテーター不要）「Self-Taught Evaluators」

¥100〜
割引あり
a16mixx
6か月前

最近のLLMの学習法のまとめ - SFT・RLHF・RAG

npaka
1年前

DPO による Llama 2 のファインチューニング

npaka
1年前

Google Colab + trl で DPO のQLoRAファインチューニングを試す

npaka
1年前

股関節形成不全 (HD)

幻の犬飼い
1年前

Karasu DPO

Lightblue
1か月前

UnslothでDPOをやってみた

kuroinu
1か月前

従来のIPOに代わる選択肢は何か？SPACとDirect listingについて

yuri
3年前