simpo-training
โดย firecrawl
การปรับแต่งความชอบแบบง่ายสำหรับการจัดแนว LLM ทางเลือกที่ไม่ต้องอ้างอิงถึง DPO พร้อมประสิทธิภาพที่ดีขึ้น (+6.4 คะแนนบน AlpacaEval 2.0) ไม่ต้องใช้โมเดลอ้างอิง…
npx skills add https://github.com/firecrawl/ai-research-skills --skill simpo-training