DPO Indicator Strategy - 搜索视频

Direct Preference Optimization: Your Language Model is Secretly a Reward Model | DPO paper explained

Direct Preference Optimization: Your Language Model is Secretly …

已浏览 3.7万次2023年12月22日

YouTubeAI Coffee Break with Letitia

Fine-tuning LLMs on Human Feedback (RLHF + DPO)

Fine-tuning LLMs on Human Feedback (RLHF + DPO)

已浏览 1.8万次10 个月之前

YouTubeShaw Talebi

Direct Preference Optimization (DPO): Your Language Model is Secretly a Reward Model Explained

Direct Preference Optimization (DPO): Your Language Model is S…

已浏览 1.9万次2023年8月10日

YouTubeGabriel Mongaras

Direct Preference Optimization (DPO) - How to fine-tune LLMs directly without reinforcement learning

Direct Preference Optimization (DPO) - How to fine-tune LLMs dir…

已浏览 2.9万次2024年6月21日

YouTubeSerrano.Academy

Direct Preference Optimization (DPO) explained: Bradley-Terry model, log probabilities, math

Direct Preference Optimization (DPO) explained: Bradley-Terry m…

已浏览 3.3万次2024年4月14日

YouTubeUmar Jamil

无内容审查机制的大模型整合包,基于CausalLM 14B量化DPO算法重构,无思想钢印,兼容CPU和GPU推理

无内容审查机制的大模型整合包,基于CausalLM 14B量化DPO算法重构, …

已浏览 2525 次2024年2月23日

YouTube刘悦的技术博客(LiuYue's Tech Blog)

完全从零开始实现DPO算法，不依赖trl库，已经实现预训练、SFT、DPO全流程，公式对照代码，让你完全搞懂

完全从零开始实现DPO算法，不依赖trl库，已经实现预训练、SFT、DP…

已浏览 1.9万次2024年12月12日

bilibili偷星九月333

DPO算法实操：大模型偏好对齐与DPO算法实战，Agent与MCP的工 …

已浏览 2359 次3 个月之前

bilibiliAI大模型_

大模型微调第7节-DPO算法的原理及案例

已浏览 1147 次4 个月之前

bilibili雨落实战

手写一个llama factory—10-DPO训练操作方式

已浏览 2136 次2024年8月28日

bilibili手写AI

观看更多视频