SRPOアルゴリズム

書いてみる

関連タグ

#ペアワイズ優先度学習 (1)
#ポリシー (777)
#ロバスト性評価 (4)
#最適化 (1,964)
#目的関数 (11)
#直接優先度最適化 (1)

Self-Improving Robust Preference Optimization

Ikemen Mas Kot
5か月前