求索初学者笔记本电脑玩转大模型系列四ORPO优化谷歌Gemma模型 论文ORPO Monolithic Preference Optimization without Reference Model提出了一种名为ORPO的方法，通过将SFT和对齐结合到一个新的目标损失函数中来训练基础大语言模型，从而免去了耗...