lilfry's library
首页
全部文章
AI
未定稿
LeetCode
分类
标签
关于
简体中文
English
lilfry's library
取消
首页
全部文章
AI
未定稿
LeetCode
分类
标签
关于
简体中文
English
DPO
2026
GroupDPO: Memory efficient Group-wise Direct Preference Optimization
05-05
面试高频：Bradley-Terry vs Plackett-Luce，奖励建模到底差在哪
04-08
读 OLMo 3：真正重要的不是新架构，而是训练信号
04-06