simpo-training
tarafından firecrawl
LLM hizalaması için Basit Tercih Optimizasyonu. DPO'ya referanssız alternatif, daha iyi performans (AlpacaEval 2.0'da +6.4 puan). Referans model yok…
npx skills add https://github.com/firecrawl/ai-research-skills --skill simpo-training