🍉的博客
首页
摄影
文章
小功能
课程
关于
首页
摄影
文章
小功能
课程
关于
搜索
课程
/
LLMs From Scratch
/
DPO: Direct Preference Optimization
Phase 10
Lesson 8
CODE
QUIZ
1 OUTPUTS
DPO: Direct Preference Optimization
标记完成
加载中…
← 上一课
RLHF: Reward Model + PPO
下一课 →
Constitutional AI and Self-Improvement