$ξ$-DPO: Direct Preference Optimization via Ratio Reward Margin

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Fan, Zhengyuan, Wu, Zhonghua, Du, Yuxuan, Chen, Qun
Formato:	Preprint
Publicado:	2026
Materias:	Machine Learning Artificial Intelligence
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2605.10981