DPO-Shift：一个参数可控改变DPO分布，缓解似然偏移
在人工智能领域，直接偏好优化(DPO)方法因其简单易用和稳定性而受到广泛关注，但其训练过程中会出现似然位移现象。本文提出DPO-Shift方法，在Bradley-Terry模型中增设参数函数以缓解该问题，并通过理论分析与实验验证了其有效性。
华南理工大学
叹惜！年仅40岁，985教授离世一年后，成果登上Nature
MLNLP社区致力于促进国内外机器学习与自然语言处理的学术交流和技术进步。近日，华南理工大学等团队在锂金属电池领域取得突破，通过添加特定纳米颗粒成功改善了电池性能。