直接偏好优化（DPO）与简单偏好优化（SimPO）论文解析
llmtrend （Direct Preference Optimization，简称DPO）和简单偏好优化（Simple Preference Optimization，简称SimPO）。这两种方法都是无需强化学习（Reinforcement Learning，简称RL）的对齐优化技术。
（Direct Preference Optimization，简称DPO）和简单偏好优化（Simple Preference Optimization，简称SimPO）。这两种方法都是无需强化学习（Reinforcement Learning，简称RL）的对齐优化技术。