Простая оптимизация предпочтений для согласования LLM. Безреференсная альтернатива DPO с лучшей производительностью (+6,4 балла по AlpacaEval 2.0). Эталонная модель не требуется, она более эффективна, чем DPO. Используйте для согласования предпочтений, если хотите более простое и быстрое обучение, чем DPO/PPO.
Быстро установите AI-навык simpo-training в вашу среду разработки через командную строку
Источник: 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.
Простая оптимизация предпочтений для согласования LLM. Безреференсная альтернатива DPO с лучшей производительностью (+6,4 балла по AlpacaEval 2.0). Эталонная модель не требуется, она более эффективна, чем DPO. Используйте для согласования предпочтений, если хотите более простое и быстрое обучение, чем DPO/PPO. Источник: ovachiever/droid-tings.
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/ovachiever/droid-tings --skill simpo-trainingПростая оптимизация предпочтений для согласования LLM. Безреференсная альтернатива DPO с лучшей производительностью (+6,4 балла по AlpacaEval 2.0). Эталонная модель не требуется, она более эффективна, чем DPO. Используйте для согласования предпочтений, если хотите более простое и быстрое обучение, чем DPO/PPO. Источник: ovachiever/droid-tings.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/ovachiever/droid-tings --skill simpo-training После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/ovachiever/droid-tings