simpo-training
@braxtonrose4 · 收录于 1 周前
Simple Preference Optimization for LLM alignment. Reference-free alternative to DPO with better performance (+6.4 points on AlpacaEval 2.0). No reference model needed, more efficient than DPO. Use for preference alignment when want simpler, faster training than DPO/PPO.
适合你，如果正在做LLM对齐训练，想比DPO更高效
/ 通过 npx 安装 校验哈希
npx oh-my-skill add braxtonrose4/zorro-agent/simpo-training/ 通过 bash 安装
curl -fsSL https://oh-my-skill.com/install.sh | bash -s -- braxtonrose4/zorro-agent/simpo-training/ 已经装过?验证本机副本,不用重装
npx oh-my-skill verify braxtonrose4/zorro-agent/simpo-training安装目标可用 --agent / --scope 或 --to 明确指定;省略时只会在唯一已存在的 agent 目录上自动选择,零命中或多命中会停止并提示。content_hash 缺失或不一致均拒装。
7GitHub stars
~1.1K最小装载
~6.5K含声明引用
~6.5K文本包总量
索引托管
评论
登录即可评论;带「已验证安装」的,是发布者名下有本店的安装或持有记录。
…