SFT、DPO、ORPOを用いて、言語モデルの継続事前学習や人間・AIの選好に基づくアライメントを行うための学習レシピとスクリプト。
5699496PythonApache-2.0更新 29 日前
#preference-alignment
preference-alignment に関連する厳選 GitHub リポジトリ。AI による概要と主要な指標を掲載しています。
SFT、DPO、ORPOを用いて、言語モデルの継続事前学習や人間・AIの選好に基づくアライメントを行うための学習レシピとスクリプト。