メインコンテンツへスキップ
buildradar
Sign in

princeton-nlp/SimPO

@princeton-nlp

[NeurIPS 2024] SimPO: 参照フリーの報酬を用いたシンプルな選好最適化

スター
959
フォーク
78
言語
Python
ライセンス
MIT
最終プッシュ
2 年前
Pythonlarge-language-modelsalignmentrlhfpreference-alignment

関連 Intel はまだありません

このリポジトリは radar が追跡するソースにまだ登場していません。コレクターはスケジュールで動いています——このリポジトリがカバーされたらまた見てください。