PORT:通过稳健的代币级别重新加权进行偏好优化
原文:PORT: Preference Optimization via Robust Token-Level Reweighting
偏好优化已成为使大型语言模型与人类价值观保持一致的核心方法,但其有效性在很大程度上取决于偏好注释的质量。在实践中,由于注释错误和模糊性,偏好数据通常充满噪音。现有的稳健偏好优化方法主要在序列级别上运行,隐式地将整个响应视为
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。