l614843617的博客

原创 让ai懂人话

如果有封闭解或简单的优化目标，就不要用复杂的近似逼近。对于大多数企业和个人开发者来说，如果你想让自己 SFT 后的模型更听话、更安全，DPO (或其变体 IPO/KTO)绝对是你目前的首选方案。我们不再需要成为强化学习专家，也能训练出高质量的对齐模型。