跳到主要内容

手头材料是一份参考检查点,外加若干 chosen 与 rejected 成对。什么情形下不训独立打分器、也不做现场采样,直接做分类式偏好优化?

Agent 学习与策略优化中级学习与策略优

题目​

手头材料是一份参考检查点,外加若干 chosen 与 rejected 成对。什么情形下不训独立打分器、也不做现场采样,直接做分类式偏好优化?

参考答案​