章节总览
后训练、偏好优化与蒸馏 / 19 · 正文
原目录

保留 AuxDPO 来源文章的文字与图示,与深度解读对照阅读。

ICLR 2026 Oral:DPO 从一开始就是错的!

来源:微信公众号「深度之眼官方账号」 · <https://mp.weixin.qq.com/s/3azAmLsNYaFP-Y58Q495aw&gt; 归档方式:k2md(WeChat 分支,curl + 内建 HTML 解析);图片已本地化到 assets/


img-001.png

img-002.png

img-003.png

img-004.png

img-005.png

img-006.png

img-007.png

img-008.png

img-009.png

img-010.png

img-011.png