Direct Preference Optimization: Your Language Model is Secretly a Reward Model | DPO paper explained

Поділитися
Вставка
  • Опубліковано 12 лис 2024

КОМЕНТАРІ • 82

Наступне
Автоматичне відтворення
Direct Preference Optimization (DPO) explained: Bradley-Terry model, log probabilities, math48:46Direct Preference Optimization (DPO) explained: Bradley-Terry model, log probabilities, math
Direct Preference Optimization (DPO) explained: Bradley-Terry model, log probabilities, mathUmar Jamil
Переглядів 13 тис.
My PhD Journey in AI / ML (while doing YouTube on the side)37:18My PhD Journey in AI / ML (while doing YouTube on the side)
My PhD Journey in AI / ML (while doing YouTube on the side)AI Coffee Break with Letitia
Переглядів 7 тис.
MAMBA and State Space Models explained | SSM explained22:27MAMBA and State Space Models explained | SSM explained
MAMBA and State Space Models explained | SSM explainedAI Coffee Break with Letitia
Переглядів 52 тис.
DOMIY & SHUMEI - Не пройде02:41DOMIY & SHUMEI - Не пройде
DOMIY & SHUMEI - Не пройдеDomiy
Переглядів 1,9 млн
Не так важно как ТЫ БЬЁШЬ, а важно какой ДЕРЖИШЬ УДАР😎 #shorts01:00Не так важно как ТЫ БЬЁШЬ, а важно какой ДЕРЖИШЬ УДАР😎 #shorts
Не так важно как ТЫ БЬЁШЬ, а важно какой ДЕРЖИШЬ УДАР😎 #shortsBalcevMMA_BOXING
Переглядів 13 млн
Який "сюрприз" чекає тих хто вирішить отримати 1000 грн | Адвокат Ростислав Кравець02:01Який "сюрприз" чекає тих хто вирішить отримати 1000 грн | Адвокат Ростислав Кравець
Який "сюрприз" чекає тих хто вирішить отримати 1000 грн | Адвокат Ростислав КравецьНемного о праве от Ростислава Кравца
Переглядів 1,1 млн
АМЕРИКА: МЕЖДУ ВЕЛИЧИЕМ И КРАХОМ. БЕСЕДА С ВИТАЛИЙ ПОРТНИКОВ @portnikov.argumenty53:09АМЕРИКА: МЕЖДУ ВЕЛИЧИЕМ И КРАХОМ. БЕСЕДА С ВИТАЛИЙ ПОРТНИКОВ @portnikov.argumenty
АМЕРИКА: МЕЖДУ ВЕЛИЧИЕМ И КРАХОМ. БЕСЕДА С ВИТАЛИЙ ПОРТНИКОВ @portnikov.argumentyФЕЙГИН LIVE
Переглядів 447 тис.
Reinforcement Learning from Human Feedback (RLHF) & Direct Preference Optimization (DPO) Explained19:39Reinforcement Learning from Human Feedback (RLHF) & Direct Preference Optimization (DPO) Explained
Reinforcement Learning from Human Feedback (RLHF) & Direct Preference Optimization (DPO) ExplainedEntry Point AI
Переглядів 2,4 тис.
Direct Preference Optimization (DPO): Your Language Model is Secretly a Reward Model Explained36:25Direct Preference Optimization (DPO): Your Language Model is Secretly a Reward Model Explained
Direct Preference Optimization (DPO): Your Language Model is Secretly a Reward Model ExplainedGabriel Mongaras
Переглядів 16 тис.
Transformers explained | The architecture behind LLMs19:48Transformers explained | The architecture behind LLMs
Transformers explained | The architecture behind LLMsAI Coffee Break with Letitia
Переглядів 26 тис.
How OpenAI made o1 "think" - Here is what we think and already know about o1 reinforcement learning9:24How OpenAI made o1 "think" – Here is what we think and already know about o1 reinforcement learning
How OpenAI made o1 "think" - Here is what we think and already know about o1 reinforcement learningAI Coffee Break with Letitia
Переглядів 9 тис.
Direct Preference Optimization (DPO) - How to fine-tune LLMs directly without reinforcement learning21:15Direct Preference Optimization (DPO) - How to fine-tune LLMs directly without reinforcement learning
Direct Preference Optimization (DPO) - How to fine-tune LLMs directly without reinforcement learningSerrano.Academy
Переглядів 7 тис.
Discrete Diffusion Modeling by Estimating the Ratios of the Data Distribution - Paper Explained11:22Discrete Diffusion Modeling by Estimating the Ratios of the Data Distribution – Paper Explained
Discrete Diffusion Modeling by Estimating the Ratios of the Data Distribution - Paper ExplainedAI Coffee Break with Letitia
Переглядів 11 тис.
DPO Debate: Is RL needed for RLHF?26:55DPO Debate: Is RL needed for RLHF?
DPO Debate: Is RL needed for RLHF?Nathan Lambert
Переглядів 8 тис.
ORPO: Monolithic Preference Optimization without Reference Model (Paper Explained)33:26ORPO: Monolithic Preference Optimization without Reference Model (Paper Explained)
ORPO: Monolithic Preference Optimization without Reference Model (Paper Explained)Yannic Kilcher
Переглядів 22 тис.
RAG vs. Fine Tuning8:57RAG vs. Fine Tuning
RAG vs. Fine TuningIBM Technology
Переглядів 51 тис.
Angel Edgar VS Demon Mortis - Animation01:09Angel Edgar VS Demon Mortis - Animation
Angel Edgar VS Demon Mortis - AnimationBrawl Stars
Переглядів 10 млн
Речь Дональда Трампа по итогам выборов: «беспрецедентный и мощный мандат», «золотой век Америки»25:21Речь Дональда Трампа по итогам выборов: «беспрецедентный и мощный мандат», «золотой век Америки»
Речь Дональда Трампа по итогам выборов: «беспрецедентный и мощный мандат», «золотой век Америки»Голос Америки
Переглядів 1,8 млн
Players vs Pitch 🤯00:26Players vs Pitch 🤯
Players vs Pitch 🤯LE FOOT EN VIDÉO
Переглядів 123 млн
Выполни Экстремальное Задание - Получи 300.000 Рублей! (Парадеич, Горилла, ФрамеТамер, Кокошка)2:39:09Выполни Экстремальное Задание - Получи 300.000 Рублей! (Парадеич, Горилла, ФрамеТамер, Кокошка)
Выполни Экстремальное Задание - Получи 300.000 Рублей! (Парадеич, Горилла, ФрамеТамер, Кокошка)ExileShow
Переглядів 4,4 млн
27 октября 2024 г.00:2527 октября 2024 г.
27 октября 2024 г.Евгений Колодцев Карелия
Переглядів 3,5 млн
Perfect Pitch Challenge? Easy! 🎤😎| Free Fire Official00:13Perfect Pitch Challenge? Easy! 🎤😎| Free Fire Official
Perfect Pitch Challenge? Easy! 🎤😎| Free Fire OfficialGarena Free Fire Global
Переглядів 80 млн
ЭТО самый бесполезный овощ? #картошка #картофель #овощи #питание #здоровье #психосоматика00:59ЭТО самый бесполезный овощ? #картошка #картофель #овощи #питание #здоровье #психосоматика
ЭТО самый бесполезный овощ? #картошка #картофель #овощи #питание #здоровье #психосоматикаТимофей Кармацкий
Переглядів 1,1 млн
When you go out and meet your old-fashioned husband, you 'd better wear normal clothes for the sake00:16When you go out and meet your old-fashioned husband, you 'd better wear normal clothes for the sake
When you go out and meet your old-fashioned husband, you 'd better wear normal clothes for the sakeFunny Couple Liang
Переглядів 3,2 млн