/simpo-training
用於 LLM 對齊的 Simple Preference Optimization，是不需參考模型的 DPO 替代方案。想比 DPO/PPO 更簡單、更快做偏好對齊時使用。
- 安裝次數
- 978
- 專案星數
- 1.4 萬 ★
- 授權
- MIT
- 專案更新
- 2026-10-11
怎麼裝
npx skills add https://github.com/Orchestra-Research/AI-Research-SKILLs --skill simpo安裝前請先看過原文內容。中文說明是 AI 翻譯，不保證安全。
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.