Término del glosario de IA

¿Qué es DPO (optimización de preferencias directas)?

Definición

Un método de entrenamiento que afina los modelos directamente en pares de preferencias sin necesidad de un modelo de recompensa separado.

Explore el glosario completo de IAExplora todas las guías gratuitas de IA

Términos relacionados

Aprendizaje reforzado a partir de la retroalimentación humana (RLHF)Un método de entrenamiento que utiliza señales de preferencia humana para dar forma al comportamiento del modelo.Post-entrenamientoPasos de capacitación aplicados después del entrenamiento previo, como ajuste de instrucciones, optimización de preferencias y ajuste de seguridad.Aprendizaje continuoEnfoques de entrenamiento que permiten que un modelo siga aprendiendo de nuevos datos sin olvidar el conocimiento previo.Ajuste finoCapacitación continua sobre datos de dominios específicos para adaptar un modelo previamente entrenado a una tarea específica.Descenso de gradienteUn método de optimización que actualiza los parámetros en la dirección que reduce el error.Ajuste de instruccionesAjustar un modelo sobre pares instrucción-respuesta para mejorar el seguimiento de tareas.

Obtenga más información en nuestras guías gratuitas.

AI Inference OptimizationBidirectional Recurrent NetworksSecond-Order Optimization and Newton MethodsOdds Ratio Preference Optimization

Véase también

Tree of ThoughtsQLoRAReActFlash AttentionAgentic LoopMulti-Head AttentionMCP (Model Context Protocol)Positional Encoding