رفتن به محتوای اصلی
کهن‌دژکتاب مرجع هوش مصنوعی
منابعاعتبارسنجی

مفهوم · فرایند

DPO

DPO

ارجاع در کتاب

جمع‌بندی تدوینگر

تعریف در منبع (انگلیسی)

Direct Preference Optimization: tuning the model directly from preference data.

اسناد: NIST-AI-700-1

۱ بخش از کتاب به این مفهوم ارجاع می‌دهد:

بخش ۵، فصل ۴۱

زنجیرهٔ بازخورد انسانی در آموزش مدل‌های زبانی بزرگ: از قضاوت انسانی تا به‌روزرسانی وزن مدل

KDJ-AI-2026E1-P05-C41-S09-43B306C8 · کاربرد در سازمان‌های ایرانی

مشاهده بخش

E:Process:dpo