「#DPO」の人気タグ記事一覧｜note ――つくる、つながる、とどける。

LLMの強化学習における新手法:TR-DPOの論文紹介

5か月前

11

論文メモ: Self-Rewarding Language Models

4か月前

11

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

3か月前

2

最近のLLMの学習法のまとめ - SFT・RLHF・RAG

1年前

110

DPO による Llama 2 のファインチューニング

1年前

42

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

1年前

17

股関節形成不全 (HD)

幻の犬飼い

1年前

11

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

1か月前

1

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

3年前