DeepMind 的 IPO 论文被 Lepton 团队玩梗「引用量将翻千倍」
_lewtun · x · 2026-10-23
- Lepton AI 的 Lew Tun（原 Hugging Face TRL 团队）调侃：DeepMind 的 IPO 论文（《A General Theoretical Paradigm to Understand Learning from Human Preferences》，arXiv 2310.12036）引用量即将增加 1000 倍——因为 DeepMind 团队 Misovalko 等人也发表了自己的 IPO（Identity Preference Optimization，偏好优化算法）。
- 被转发的原推回顾了当年 IPO 研究落地为 TRL 开源代码的过程：Kashif 快速实现算法并修复 loss 归一化问题，Ed 重跑实验，作者们在 HF Slack 远程调试，「看到研究变成大家真正在跑的开源代码」。
- 原论文提出了 ΨPO 目标函数，绕开 RLHF 中「成对偏好→点wise奖励」与「奖励模型外推」两大近似，是 DPO 一脉偏好学习的重要理论工作。
本质是 AI 研究圈一则巧合同名缩写的趣闻，顺带科普了一篇重要论文的来龙去脉。
「Fun」频道最新
- 用户控诉 OpenAI 广告：扣款后账号无法验证，客服一周无响应 — JohnnyModus · 2026-10-23
- Kling 4.0 生成乱真 2003 年 MiniDV 家庭录像风视频 — Forsaken_Stuff_Ai · 2026-10-23
- 程序员梗：上帝第七天休息，第八天用 Rust 重写宇宙 — CtrlAltDwayne · 2026-10-23
- DNS 记录实锤：印度「政府云」mgovcloud 实际跑在 Zoho 的 IP 上 — kingslyj · 2026-10-23
- 本地模型跑分乱象引吐槽：数字飙高却无配置可复现 — TheZachMueller · 2026-10-23
- 梗图：Haskell 新手苦学 Monad,范畴论者柜中摆满十五种高阶结构 — miniapeur · 2026-10-23