DNO 方法让 Llama 3.1 8B 在 AlpacaEval 2.0 上胜率升至 45.3%
一篇对齐方法的复现研究：用纳什均衡思路微调，8B 模型干过了 70B，还验证了不用 GPT-4o 标注也行，做对齐的可以看看。
#DNO
共 1 条 · 7 天 1 条 · 30 天 1 条
信息流里打上「DNO」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月4日
一篇对齐方法的复现研究：用纳什均衡思路微调，8B 模型干过了 70B，还验证了不用 GPT-4o 标注也行，做对齐的可以看看。