描述
Simple Preference Optimization for LLM alignment. Reference-free alternative to DPO with better performance (+6.4 points on AlpacaEval 2.0). No reference model…
研究学习 / 检索整理
simpo-training
simpo-training
安装量 199GitHub Stars 8,488更新时间 2026年5月16日
安全审计
使用前的风险提示
规则审计
未审计更新 1年1月1日
智能审计
未审计更新 1年1月1日
uiperformancellmgithubsimpotrainingsimplepreferenceoptimizationforalignmentreference