偏好优化算法 KTO 升级为 TRL 稳定 API
ethayarajh · x · 2026-07-06
HuggingFace 训练库 TRL 将偏好学习方法 KTO（Kahneman-Tversky Optimization）正式提升为稳定 API，KTOTrainer 与 KTOConfig 从实验性接口毕业，便于研究者更稳定地进行偏好优化训练。
「研究」频道最新
- Kimi K3 在网络安全上很强，但 token 效率卡住了评测 — teortaxesTex · 2026-07-27
- ARC AGI 3 应该保持私有，不该公开示例和数据集 — flowersslop · 2026-07-27
- ExploitGym 可能只有六到七成任务可解，引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- 5090 本地测试：80k 上下文下 Qwen Q6 速度掉到 15 tok/s — LFAdvice7984 · 2026-07-27
- Chollet 认为智能可能有硬上限，AI 进步会趋于边际递减 — binarybits · 2026-07-27
- 论文提出图拓扑可成为 AI Agent 核心框架 — theomitsa · 2026-07-27