Self-Training with Direct Preference Optimization Improves Chain-of-Thought Reasoning

Ähnliche Einträge

• Chain of Preference Optimization: Improving Chain-of-Thought Reasoning in LLMs
  von: Zhang, Xuan, et al.
  Veröffentlicht: (2024)
• Uncovering the Impact of Chain-of-Thought Reasoning for Direct Preference Optimization: Lessons from Text-to-SQL
  von: Liu, Hanbing, et al.
  Veröffentlicht: (2025)
• Direct Value Optimization: Improving Chain-of-Thought Reasoning in LLMs with Refined Values
  von: Zhang, Hongbo, et al.
  Veröffentlicht: (2025)
• Self-Harmonized Chain of Thought
  von: Jin, Ziqi, et al.
  Veröffentlicht: (2024)
• TinyLlama: An Open-Source Small Language Model
  von: Zhang, Peiyuan, et al.
  Veröffentlicht: (2024)