ccpan (@pan-xi) 在 从reward_rlhf到bradley-terry model到loss_dpo 中发帖
米娜，我又回来钝角（开水）了。
事情是这样子的，最近在炼丹，炼DPO，感觉到自己以前对这玩意的认识不够充分，于是就学习推导了一下，并对一些地方根据自己的理解加了点备注，大家一起交流 :tieba_003:
[image]
[image]
[image]
[image]
[image]
[image]
[image]