SKILL
post-training-simpo
用于 LLM 对齐的简单偏好优化。无需参考模型的 DPO 替代方案，性能更优（在 AlpacaEval 2.0 上提升 6.4 分）。无需参考模型，比 DPO 更高效。适用于希望训练比 DPO/PPO 更简单、更快速的偏好对齐场景。
机器翻译查看英文原文
Simple Preference Optimization for LLM alignment. Reference-free alternative to DPO with better performance (+6.4 points on AlpacaEval 2.0). No reference model needed, more efficient than DPO. Use for preference alignment when want simpler, faster training than DPO/PPO.
适用对象：学习与科研。自动收录 · 待核查。
在 Cursor 中使用
该组合的专门教程待补充，尚未核实适配。
准备条件
- 本条仅收录原作者的技能元数据；请阅读完整说明，确认依赖、许可与使用条件。
选择已有说明的 AI 工具，或在页面加载后保存待办及提出教程请求。
查看原作者说明 ↗