Optimización de preferencias simple para la alineación LLM. Alternativa sin referencias a DPO con mejor rendimiento (+6,4 puntos en AlpacaEval 2.0). No se necesita ningún modelo de referencia, más eficiente que DPO. Úselo para alinear preferencias cuando desee una capacitación más simple y rápida que DPO/PPO.
Instala rápidamente el skill de IA simpo-training en tu entorno de desarrollo mediante línea de comandos
Fuente: ovachiever/droid-tings.
SimPO is a reference-free preference optimization method that outperforms DPO without needing a reference model.
Loss functions: See references/loss-functions.md for sigmoid vs hinge loss, mathematical formulations, and when to use each.
Hyperparameter tuning: See references/hyperparameters.md for beta, gamma, learning rate selection guide, and model-size-specific recommendations.
Optimización de preferencias simple para la alineación LLM. Alternativa sin referencias a DPO con mejor rendimiento (+6,4 puntos en AlpacaEval 2.0). No se necesita ningún modelo de referencia, más eficiente que DPO. Úselo para alinear preferencias cuando desee una capacitación más simple y rápida que DPO/PPO. Fuente: ovachiever/droid-tings.
Campos y comandos estables para citas de IA/búsqueda.
npx skills add https://github.com/ovachiever/droid-tings --skill simpo-trainingOptimización de preferencias simple para la alineación LLM. Alternativa sin referencias a DPO con mejor rendimiento (+6,4 puntos en AlpacaEval 2.0). No se necesita ningún modelo de referencia, más eficiente que DPO. Úselo para alinear preferencias cuando desee una capacitación más simple y rápida que DPO/PPO. Fuente: ovachiever/droid-tings.
Abre tu terminal o herramienta de línea de comandos (Terminal, iTerm, Windows Terminal, etc.) Copia y ejecuta este comando: npx skills add https://github.com/ovachiever/droid-tings --skill simpo-training Una vez instalado, el skill se configurará automáticamente en tu entorno de programación con IA y estará listo para usar en Claude Code, Cursor u OpenClaw
https://github.com/ovachiever/droid-tings