研究者提出图结构偏好优化方法GraphDPO
热点事件持续更新
研究者提出图结构偏好优化方法GraphDPO
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Ning Liu等作者提出 GraphDPO，把语言模型对齐中常用的直接偏好优化（DPO）从成对比较推广到有向无环偏好图。该图由多次 rollout 的排名诱导产生。 GraphDPO 使用图结构的 Plackett-Luce 目标，聚合支配邻域上的监督并传播传递性偏好；按作者的说法，标准 DPO 是它的一个特例。目前结论限于方法提出本身。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
GraphDPO：用偏好图替代成对比较来对齐语言模型报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv：cs.AIGraphDPO：用偏好图替代成对比较来对齐语言模型
研究者提出 GraphDPO，将 DPO 从成对偏好比较推广到由 rollout 排名诱导的有向无环偏好图，用图结构 Plackett-Luce 目标聚合支配邻域监督并传播传递性，标准 DPO 是其特例。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。