零额外数据的 DPO 新法:用随机 prompt 造被拒响应
natashajaques · x · 2026-07-07
介绍一种简单方法,可在已微调模型上跨一系列基准带来显著性能提升,且无需额外数据、标签或监督。
做法是构造 DPO 偏好对:偏好响应 yc 用真实 prompt x 生成,被拒响应 yr 用一个随机 prompt x' 生成。作者预告周三公布详情。
「研究」频道最新
- VidMap 用 RoMa 粗匹配全帧、精细匹配仅限关键帧 — ducha_aiki · 2026-09-11
- Bug Hunt Bench 作者补充:榜单噪声幅度约 2-3 分 — PawelHuryn · 2026-09-11
- Bug Hunt Bench 放榜:105 个真实埋 bug 横评前沿编码模型 — PawelHuryn · 2026-09-11
- 台球计算模型登 PNAS:二维系统已存在不可判定性,可跑通用计算机 — eigensteve · 2026-09-11
- 新研究:从仿射变换与重力线索求解绝对位姿 — ducha_aiki · 2026-09-11
- LoMa 论文发布 REALLY HardPairs 数据集,入选 ECCV 2026 — ducha_aiki · 2026-09-11