首页 > 试题广场 >

DPO(Direct Preference Optimiza

[单选题]
DPO(Direct Preference Optimization)相比RLHF+PPO的最大优势是什么？ 
  • 不需要任何人类偏好数据
  • 训练效果显著优于PPO
  • 跳过了显式奖励模型训练和强化学习阶段，直接用偏好数据优化策略
  • 支持在线数据收集和迭代优化
查看答案及解析
添加回答

这道题你会答吗？花几分钟告诉大家答案吧！

提交观点

问题信息

大模型概念
难度：
0条回答 1浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号