ICML 2024 Oral | DPO是否比PPO更適合LLM，清華吳翼團隊最新揭秘

AIGC動態歡迎閱讀

原標題：ICML 2024 Oral | DPO是否比PPO更適合LLM，清華吳翼團隊最新揭秘
關鍵字：模型,算法,團隊,代碼,工作
文章來源：機器之心
內容字數：0字

內容摘要：

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或者聯系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com吳翼，清華大學交叉信息院助理教授，曾任 OpenAI 全職研究員，研究領域為強化學習，大模型對齊，人機交互，機器人學習等。2019 年在美國加州大學伯克利分校獲得博士學位，師從 Stuart Russell 教授；2014 年本科畢業于清華大學交叉信息院（姚班）。其代表作包括：NIPS2016 最佳論文，Value Iteration Network；多智能體深度強化學習領域最高引用論文，MADDPG 算法；OpenAI hide-and-seek 項目等。
如何讓大模型更好的遵從人類指令和意圖？如何讓大模型有更好的推理能力？如何讓大模型避免幻覺？能否解決這些問題，是讓大模型真正廣泛可用，甚至實現超級智能（Super Intelligence）最為關鍵的技術挑

原文鏈接：ICML 2024 Oral | DPO是否比PPO更適合LLM，清華吳翼團隊最新揭秘

聯系作者

文章來源：機器之心
作者微信：
作者簡介：