DPO

MLNLP社区发布《动画中学强化学习笔记》项目！

作者

MLNLP社区推出了一门通过动画展示强化学习的课程，帮助初学者快速入门这一复杂领域。项目内容包括基础概念介绍和常见算法演示，通过简洁的笔记和动画演示来解释强化学习的核心原理。

DPO-Shift：一个参数可控改变DPO分布，缓解似然偏移

作者

在人工智能领域，直接偏好优化(DPO)方法因其简单易用和稳定性而受到广泛关注，但其训练过程中会出现似然位移现象。本文提出DPO-Shift方法，在Bradley-Terry模型中增设参数函数以缓解该问题，并通过理论分析与实验验证了其有效性。