标签：Token-level优化

从RLHF到DPO再到TDPO，大模型对齐算法已经是「token-level」

在人工智能领域，大语言模型（LLM）的控制与指导是核心挑战之一。早期，人类反馈的强化学习方法（RLHF）被用来管理这些模型，取得了显著成效。然而，RLHF在训...

AIGC动态

6个月前