cs.LG（2025-02-22）
📊 共 1 篇论文
🎯 兴趣领域导航
🔬 支柱二：RL算法与架构 (RL & Architecture) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | C2-DPO: Constrained Controlled Direct Preference Optimization | 提出C2-DPO，通过约束概率位移改进DPO对齐语言模型 | RLHF DPO direct preference optimization |
📊 共 1 篇论文
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | C2-DPO: Constrained Controlled Direct Preference Optimization | 提出C2-DPO，通过约束概率位移改进DPO对齐语言模型 | RLHF DPO direct preference optimization |