SIMPO

書いてみる

関連タグ

#モデル (16,168)
#優先順位最適化 (1)
#強化学習 (818)
#性能 (1,374)
#手法 (5,652)
#自然言語処理 (2,525)

SimPO: Simple Preference Optimization with a Reference-Free Reward

Ikemen Mas Kot
8か月前