RLHF各种训练算法科普

2025-02-20 分类：未分类 阅读(7) 评论(0)

包括：PPO、DRO、DPO、β-DPO、sDPO、RSO、IPO、GPO、KTO、ORPO、SimPO、R-DPO、RLOO，以及GRPO。