界面已本地化;技能原文保持作者语言。部分长说明页面以英语提供。
探索技能
数据与研究 · SKILL.md

preference-optimization

preference-optimization

【数据与研究】Align a fine-tuned model with preference data using DPO, ORPO, KTO, or SimPO. Use when preference pairs or thumbs-up/down feedback exist, when choosing between preference-optimization methods, or when a DPO run needs hyperparameters or debugging.

独立 GitHub 快照 · 自动分类 · 以原作者文档为准

技能说明

GitHub
正在从源仓库读取说明…
我的收藏