你的语言模型实际是一个奖励模型！😁Direct Preference Optimization:Your Language Model🎭is Secretly a Reward Model

直接偏好优化：你的语言模型实际上是一个奖励模型

😎其实每张PPT图下面还有解释的注释，但放上去还要改格式，太多啦！所以就靠大家读论文脑补啦！😘

摘要

1.引言

2.相关工作

3.预备知识

4.直接偏好优化

5.DPO的理论分析

6.实验

7.讨论

终