RS-DPO: A Hybrid Rejection Sampling and Direct Preference Optimization Method for Alignment of Large Language Models

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Khaki, Saeed, Li, JinJin, Ma, Lan, Yang, Liu, Ramachandra, Prathap
Formato:	Preprint
Publicado:	2024
Materias:	Computation and Language Artificial Intelligence Computer Vision and Pattern Recognition Machine Learning
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Sea el primero en dejar un comentario!

Ejemplares similares