Skip to content

请问尝试使用过DPO/PPO的RL方式吗？ #15

New issue
New issue
Open
Open
请问尝试使用过DPO/PPO的RL方式吗？#15
@GargitMoe

Description

@GargitMoe
GargitMoe
opened on Feb 25, 2026

非常感谢你们出彩的工作！你们的思路对我目前很有启发，目前做的场景受限于算力。如果使用DPO构建偏好对，来做RL，是一种可行的探索吗？

Metadata

Metadata

Assignees

No one assigned

    Labels

    No labels
    No labels

    Type

    No type

    Projects

    No projects

    Milestone

    No milestone

    Relationships

    None yet

    Development

    No branches or pull requests

    Issue actions