已阅读5页，还剩14页未读， 继续免费阅读
版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领
文档简介
DPO算法讲解KL散度（KLDivergence）
P分布相对于Q分布的相似程度。KL散度的值大于等于0。P和Q越相似，KL散度越接近0。如果P和Q分布完全一致，则KL散度等于0。KL(P||Q)!=KL(Q||P)
KL散度大于等于0的直观理解
P:x=00.2x=10.8Q:x=00.8x=10.2
Bradley-Terry模型
Bradley-Terry模型
对比较关系进行建模：对战胜负A对B84A对C35问题：B战胜C的概率有多大？Bradley-Terry模型
对战胜负A对B84A对C35
表示第i个元素的实力。P(i>j)表示第i个元素战胜第j个元素的概率。
Bradley-Terry模型
对战胜负A对B84A对C35
表示第i个元素的实力。必须大于0。P(i>j)表示第i个元素战胜第j个元素的概率。
Bradley-Terry模型
表示第i个元素的实力。P(i>j)表示第i个元素战胜第j个元素的概率。
Bradley-Terry模型
DPO的训练目标
得到尽可能多的奖励新训练的模型尽可能的和基准模型分布一致超参数
温馨提示
- 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 餐饮业店长客户满意度与成本控制绩效评定表
- 企业人力资源管理数字化系统建设指南
- 新一代智能社区规划指南
- 生产部门成本控制考核表
- 交规三力考试题库及答案2026
- 2026眼测视力考试题库及答案
- 劳动防护知识竞赛题库含参考答案
- 金融中介公司突发事故应急预案演练脚本
- 关于2026年新增业务合作需求的回复函7篇
- 询问员工报销审批流程回复函8篇
- 2026贵州民航产业集团招聘试题及答案
- 2026年初级山地户外指导员理论考试试卷（含标准答案）
- 2026年内蒙古自治区中考语文真题含解析
- GB/T 451.3-2026纸和纸板第3部分：厚度的测定
- 2026年党建知识竞赛题库含答案
- GA 1817.1-2026学校反恐怖防范要求第1部分：普通高等学校
- 2025年度安徽白帝集团有限公司社会招聘笔试参考题库附带答案详解
- 写个施工方案
- （高清版）TSG 09-2025 缺陷特种设备召回管理规则
- 华信惠悦咨询美的集团职位分析与职位说明书研讨会
- 餐饮安全事故原因分析与预防措施制定
评论
0/150
提交评论