Margin Adaptive DPO: Leveraging Reward Model for Granular Control in Preference Optimization

Fuente: arXiv
Guardado en:
Detalles Bibliográficos
Autor principal: Rho, Hyung Gyu
Formato: Preprint
Publicado: 2025
Materias:
Acceso en línea:
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares