返回首頁

標籤

DPO

2 篇文章

5 步建出 1930 截止 LLM 測試台
技術研究/5月5日

5 步建出 1930 截止 LLM 測試台

用 5 個步驟建立一個 1930 截止的 LLM 測試台，驗證歷史推理與無污染泛化。

用 rubric 讓視覺偏好訓練更精準
技術研究/4月15日

用 rubric 讓視覺偏好訓練更精準

rDPO 用每個圖文任務的專屬 rubric 取代粗粒度偏好訊號，讓視覺偏好最佳化更細緻，並在過濾與 benchmark 上帶來提升。