Реклама

PEA-DPO: Оптимизация прямых предпочтений для MLLM

#PEA-DPO #Perception-Enhanced #Alignment #Direct #Preference

arXiv:2608.19598v1 Announce Type: new Abstract: Direct Preference Optimization (DPO) появилась в качестве эффективного подхода для согласования больших языковых моделей (LLM) с предпочтениями человека. Однако его адаптация к мультимодальным настройкам остается неизученной. Благодаря…