返回工具目录

Resource detail

直接偏好优化 DPO

Direct Preference Optimization

免奖励模型的偏好对齐训练方法。

全球免费

访问官网更多类似资源

一起维护资源信息

资源负责人可以认领条目，任何人都可以报告事实错误或申请下架。

选型速览

paper-dpo

价格模式

免费

访问方式

免登录

支持平台

网页

支持中文

否

最近核对

未核实

热门指数

73/100

定价证据

未核实

验证与来源

未核实

未核实

未核实

标签

论文对齐训练

适合人群

研究者

更新信息

更新于 2026-09-03

热门指数 73/100

典型用途

对齐训练方法对比

引用卡片

直接偏好优化 DPO

免奖励模型的偏好对齐训练方法。

AI X Tool · https://aixtool.xyz/resources/paper-dpo

变更记录

目录更新时间

2026-09-03

最近核验

未核实

待复核说明

未核实

相关资源

按相近用途整理

OpenAI API 文档

OpenAI 官方模型、API 与最佳实践文档。

全球免费文档+2

更新于 2026-07-09

Anthropic 开发者文档

Claude API、提示词工程与 Agent 开发官方指南。

全球免费文档+2

更新于 2026-07-09

Prompt Engineering Guide

系统学习提示词工程、RAG 和 Agent 技巧。

全球免费开源+3

更新于 2026-07-09

DeepLearning.AI

吴恩达团队的 AI 课程平台，短课覆盖前沿工程实践。

全球免费增值课程+2

更新于 2026-07-09

Hugging Face Learn

Hugging Face 官方免费课程：NLP、Agent、扩散模型等。

全球免费开源+2

更新于 2026-07-09

Neural Networks: Zero to Hero

Karpathy 从零手写神经网络到 GPT 的视频课程。

全球免费视频+2

更新于 2026-07-09