优惠 新型优化方法iLR-DPO（迭代长度正则化的直接偏好优化）：提升语言模型的性能，使其更符合人类的偏好和价值观

香港中文大学MMLab和上海人工智能实验室推出一种新型的优化方法，名为迭代长度正则化的直接偏好优化（Iterative Length-Regularized Direct Preference Optimization，简称iLR-DPO）。这种方法主要用于提升语言模型的性能，使其更符合人类的偏好和价值观。简单来说，就... 阅读全文