Tag: DPO

All the articles with the tag "DPO".

• 从零训练大模型（十四）：DPO 直接偏好优化

  13 Jul, 2026

  DPO 直接偏好优化的完整目标函数推导：隐式奖励是什么，为什么它能绕开显式强化学习，直接用偏好数据对齐模型。