Feb, 2024

大型语言模型的主动偏好学习

TL;DR利用DPO进行喂养,通过预测语言模型的预测熵和由DPO优化的隐式优先级模型的确定性度量,我们开发了一种主动学习策略来更好地利用偏好标签,从而提高配对偏好数据的学习速率和最终性能。