解密prompt系列24. RLHF新方案之训练策略：SLiC-HF & DPO & RRHF & RSO

这几章a56爆大奖在线娱乐们会针对经典RLHF算法存在的不稳定，成本高，效率低等问题聊聊新方案。第一章a56爆大奖在线娱乐们先说RLHF训练策略相关的方案，包括SLiC-HF，DPO，RRHF和RSO，他们之间有很多相似之处~
posted @ 2024-02-22 07:54  风雨中的小七  阅读(371)  评论(0)  编辑  收藏  举报