Direct Preference Optimization
An alignment training method that updates a language model directly from pairs of preferred and rejected responses, without training a separate reward model. DPO is simpler to implement than full RLHF and often produces comparable results, which has made it popular for open-source fine-tuning. The method was introduced in 2023.
Definição editorial da DecipherU. Para definições técnicas autorizadas, consulte NIST AI RMF, ISO/IEC 42001, ou as publicações oficiais dos laboratórios de IA.
Continue por aqui
Três opções conforme onde você está no caminho. As duas primeiras são gratuitas.
Gratuito · 2 minutos
Comece pelo AI Risk Score
Dois minutos. Mostra o quanto seu role atual está exposto à automação por IA e quais movimentos defensivos têm melhor retorno.
Começar AI Risk Score →Programa pago · $147-$597
Curso alinhado: Transição de Carreira
Programa com projeto final revisado pelo fundador, rubrica pública, e credencial verificável assinada com Ed25519.
Ver o curso →Conta gratuita
Salve seus resultados e acompanhe seu progresso
Uma conta gratuita guarda suas avaliações, recomendações e a versão exportável do seu Career DNA. Sem cartão.
Criar conta →As definições são explicações originais escritas para fins de desenvolvimento profissional. Para definições técnicas autoritativas, consulte NIST, ISO ou o órgão de normalização correspondente.