प्रत्यक्ष वरीयता अनुकूलन
प्रत्यक्ष वरीयता अनुकूलन (DPO) 2023 में रफाइलोव एट अल. द्वारा प्रस्तुत एक प्रशिक्षण विधि है जो एक स्पष्ट रिवॉर्ड मॉडल की आवश्यकता के बिना भाषा मॉडल को मानवीय वरीयताओं के साथ संरेखित करती है। वरीयता युग्मों (बेहतर प्रतिक्रिया बनाम बदतर प्रतिक्रिया) के लिए सीधे अनुकूलन करके, DPO मानव प्रतिक्रिया से सुदृढीकरण सीखने (RLHF) की तुलना में प्रशिक्षण पाइपलाइन को सरल बनाता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Rafailov, R., Sharma, A., Mitchell, E., Manning, C. D., Ermon, S., & Finn, C. (2023). Direct preference optimization: Your language model is secretly a reward model. arXiv preprint arXiv:2305.18290. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Direct Preference Optimization: Your Language Model is Secretly a Reward Model. ScholarGate. https://scholargate.app/hi/deep-learning/direct-preference-optimization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- प्रसुप्त विसरण मॉडलगहन अधिगम↔ compare
- माम्बा (स्टेट स्पेस मॉडल)गहन अधिगम↔ compare
- मास्क्ड ऑटोएन्कोडर्सगहन अधिगम↔ compare
- क्यूलोरागहन अधिगम↔ compare