2D-DPO: Scaling Direct Preference Optimization with 2-Dimensional Supervision
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Li, Shilong, He, Yancheng, Huang, Hui, Bu, Xingyuan, Liu, Jiaheng, Guo, Hangyu, Wang, Weixun, Gu, Jihao, Su, Wenbo, Zheng, Bo |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Can Large Language Models Detect Errors in Long Chain-of-Thought Reasoning?
par: He, Yancheng, et autres
Publié: (2025)
par: He, Yancheng, et autres
Publié: (2025)
Token Preference Optimization with Self-Calibrated Visual-Anchored Rewards for Hallucination Mitigation
par: Gu, Jihao, et autres
Publié: (2024)
par: Gu, Jihao, et autres
Publié: (2024)
GraphReader: Building Graph-based Agent to Enhance Long-Context Abilities of Large Language Models
par: Li, Shilong, et autres
Publié: (2024)
par: Li, Shilong, et autres
Publié: (2024)
Chinese SimpleQA: A Chinese Factuality Evaluation for Large Language Models
par: He, Yancheng, et autres
Publié: (2024)
par: He, Yancheng, et autres
Publié: (2024)
2D-Curri-DPO: Two-Dimensional Curriculum Learning for Direct Preference Optimization
par: Li, Mengyang, et autres
Publié: (2025)
par: Li, Mengyang, et autres
Publié: (2025)
AIR: Complex Instruction Generation via Automatic Iterative Refinement
par: Liu, Wei, et autres
Publié: (2025)
par: Liu, Wei, et autres
Publié: (2025)
Think-J: Learning to Think for Generative LLM-as-a-Judge
par: Huang, Hui, et autres
Publié: (2025)
par: Huang, Hui, et autres
Publié: (2025)
DREAM: Disentangling Risks to Enhance Safety Alignment in Multimodal Large Language Models
par: Liu, Jianyu, et autres
Publié: (2025)
par: Liu, Jianyu, et autres
Publié: (2025)
ProgCo: Program Helps Self-Correction of Large Language Models
par: Song, Xiaoshuai, et autres
Publié: (2025)
par: Song, Xiaoshuai, et autres
Publié: (2025)
C2-DPO: Constrained Controlled Direct Preference Optimization
par: Asadi, Kavosh, et autres
Publié: (2025)
par: Asadi, Kavosh, et autres
Publié: (2025)
MT-Bench-101: A Fine-Grained Benchmark for Evaluating Large Language Models in Multi-Turn Dialogues
par: Bai, Ge, et autres
Publié: (2024)
par: Bai, Ge, et autres
Publié: (2024)
$β$-DPO: Direct Preference Optimization with Dynamic $β$
par: Wu, Junkang, et autres
Publié: (2024)
par: Wu, Junkang, et autres
Publié: (2024)
CE-RM: A Pointwise Generative Reward Model Optimized via Two-Stage Rollout and Unified Criteria
par: Hu, Xinyu, et autres
Publié: (2026)
par: Hu, Xinyu, et autres
Publié: (2026)
Iterative Length-Regularized Direct Preference Optimization: A Case Study on Improving 7B Language Models to GPT-4 Level
par: Liu, Jie, et autres
Publié: (2024)
par: Liu, Jie, et autres
Publié: (2024)
AlphaDPO: Adaptive Reward Margin for Direct Preference Optimization
par: Wu, Junkang, et autres
Publié: (2024)
par: Wu, Junkang, et autres
Publié: (2024)
Deconstructing Long Chain-of-Thought: A Structured Reasoning Optimization Framework for Long CoT Distillation
par: Luo, Yijia, et autres
Publié: (2025)
par: Luo, Yijia, et autres
Publié: (2025)
DPO-Shift: Shifting the Distribution of Direct Preference Optimization
par: Yang, Xiliang, et autres
Publié: (2025)
par: Yang, Xiliang, et autres
Publié: (2025)
SEE-DPO: Self Entropy Enhanced Direct Preference Optimization
par: Shekhar, Shivanshu, et autres
Publié: (2024)
par: Shekhar, Shivanshu, et autres
Publié: (2024)
TUR-DPO: Topology- and Uncertainty-Aware Direct Preference Optimization
par: Abdullah, Abdulhady Abas, et autres
Publié: (2026)
par: Abdullah, Abdulhady Abas, et autres
Publié: (2026)
DeDPO: Debiased Direct Preference Optimization for Diffusion Models
par: Pham, Khiem, et autres
Publié: (2026)
par: Pham, Khiem, et autres
Publié: (2026)
Asymmetric Proximal Policy Optimization: mini-critics boost LLM reasoning
par: Liu, Jiashun, et autres
Publié: (2025)
par: Liu, Jiashun, et autres
Publié: (2025)
DreamDPO: Aligning Text-to-3D Generation with Human Preferences via Direct Preference Optimization
par: Zhou, Zhenglin, et autres
Publié: (2025)
par: Zhou, Zhenglin, et autres
Publié: (2025)
Equilibrate RLHF: Towards Balancing Helpfulness-Safety Trade-off in Large Language Models
par: Tan, Yingshui, et autres
Publié: (2025)
par: Tan, Yingshui, et autres
Publié: (2025)
$ξ$-DPO: Direct Preference Optimization via Ratio Reward Margin
par: Fan, Zhengyuan, et autres
Publié: (2026)
par: Fan, Zhengyuan, et autres
Publié: (2026)
Online DPO: Online Direct Preference Optimization with Fast-Slow Chasing
par: Qi, Biqing, et autres
Publié: (2024)
par: Qi, Biqing, et autres
Publié: (2024)
GroupDPO: Memory efficient Group-wise Direct Preference Optimization
par: Leng, Jixuan, et autres
Publié: (2026)
par: Leng, Jixuan, et autres
Publié: (2026)
ActiveDPO: Active Direct Preference Optimization for Sample-Efficient Alignment
par: Lin, Xiaoqiang, et autres
Publié: (2025)
par: Lin, Xiaoqiang, et autres
Publié: (2025)
Cal-DPO: Calibrated Direct Preference Optimization for Language Model Alignment
par: Xiao, Teng, et autres
Publié: (2024)
par: Xiao, Teng, et autres
Publié: (2024)
AnnoDPO: Protein Functional Annotation Learning with Direct Preference Optimization
par: Jiang, Zixuan, et autres
Publié: (2025)
par: Jiang, Zixuan, et autres
Publié: (2025)
AVC-DPO: Aligned Video Captioning via Direct Preference Optimization
par: Tang, Jiyang, et autres
Publié: (2025)
par: Tang, Jiyang, et autres
Publié: (2025)
EnerBridge-DPO: Energy-Guided Protein Inverse Folding with Markov Bridges and Direct Preference Optimization
par: Rong, Dingyi, et autres
Publié: (2025)
par: Rong, Dingyi, et autres
Publié: (2025)
WiS Platform: Enhancing Evaluation of LLM-Based Multi-Agent Systems Through Game-Based Analysis
par: Hu, Chengwei, et autres
Publié: (2024)
par: Hu, Chengwei, et autres
Publié: (2024)
TPMM-DPO: Trajectory-aware Preference-guided Model Merging for Iterative Direct Preference Optimization
par: Fu, Lingling, et autres
Publié: (2026)
par: Fu, Lingling, et autres
Publié: (2026)
BiasDPO: Mitigating Bias in Language Models through Direct Preference Optimization
par: Allam, Ahmed
Publié: (2024)
par: Allam, Ahmed
Publié: (2024)
AdaDPO: Self-Adaptive Direct Preference Optimization with Balanced Gradient Updates
par: Chen, Shaolong, et autres
Publié: (2026)
par: Chen, Shaolong, et autres
Publié: (2026)
CompassDPO: Dynamics-Controlled Direct Preference Optimization for Robust Safety Alignment
par: Liu, Jilong, et autres
Publié: (2026)
par: Liu, Jilong, et autres
Publié: (2026)
DreamBoothDPO: Improving Personalized Generation using Direct Preference Optimization
par: Ayupov, Shamil, et autres
Publié: (2025)
par: Ayupov, Shamil, et autres
Publié: (2025)
SafeDPO: A Simple Approach to Direct Preference Optimization with Enhanced Safety
par: Kim, Geon-Hyeong, et autres
Publié: (2025)
par: Kim, Geon-Hyeong, et autres
Publié: (2025)
Emo-DPO: Controllable Emotional Speech Synthesis through Direct Preference Optimization
par: Gao, Xiaoxue, et autres
Publié: (2024)
par: Gao, Xiaoxue, et autres
Publié: (2024)
"See the World, Discover Knowledge": A Chinese Factuality Evaluation for Large Vision Language Models
par: Gu, Jihao, et autres
Publié: (2025)
par: Gu, Jihao, et autres
Publié: (2025)
Documents similaires
-
Can Large Language Models Detect Errors in Long Chain-of-Thought Reasoning?
par: He, Yancheng, et autres
Publié: (2025) -
Token Preference Optimization with Self-Calibrated Visual-Anchored Rewards for Hallucination Mitigation
par: Gu, Jihao, et autres
Publié: (2024) -
GraphReader: Building Graph-based Agent to Enhance Long-Context Abilities of Large Language Models
par: Li, Shilong, et autres
Publié: (2024) -
Chinese SimpleQA: A Chinese Factuality Evaluation for Large Language Models
par: He, Yancheng, et autres
Publié: (2024) -
2D-Curri-DPO: Two-Dimensional Curriculum Learning for Direct Preference Optimization
par: Li, Mengyang, et autres
Publié: (2025)