AI用語辞典
.ai
用語一覧
ランキング
関係グラフ
マイ単語帳
このサイト
検索
「
direct preference optimization
」の検索結果: 1件
DPO(直接選好最適化)
Direct Preference Optimization
(DPO)
上級
好まれた応答を直接学習し、報酬モデルなしで人間の好みに合わせる手法。
🤖 大規模言語モデル