simpo-training
✓LLM 對齊的簡單偏好優化。 DPO 的無參考替代方案，具有更好的性能（在 AlpacaEval 2.0 上+6.4 分）。無需參考模型，比DPO更有效率。當需要比 DPO/PPO 更簡單、更快的訓練時，可用於偏好調整。
SKILL.md
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.
LLM 對齊的簡單偏好優化。 DPO 的無參考替代方案，具有更好的性能（在 AlpacaEval 2.0 上+6.4 分）。無需參考模型，比DPO更有效率。當需要比 DPO/PPO 更簡單、更快的訓練時，可用於偏好調整。 來源：orchestra-research/ai-research-skills。
可引用資訊
為搜尋與 AI 引用準備的穩定欄位與指令。
- 安裝指令
npx skills add https://github.com/orchestra-research/ai-research-skills --skill simpo-training- 分類
- </>開發工具
- 認證
- ✓
- 收錄時間
- 2026-02-11
- 更新時間
- 2026-02-18
快速解答
什麼是 simpo-training？
LLM 對齊的簡單偏好優化。 DPO 的無參考替代方案，具有更好的性能（在 AlpacaEval 2.0 上+6.4 分）。無需參考模型，比DPO更有效率。當需要比 DPO/PPO 更簡單、更快的訓練時，可用於偏好調整。 來源：orchestra-research/ai-research-skills。
如何安裝 simpo-training？
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/orchestra-research/ai-research-skills --skill simpo-training 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code 或 Cursor 中使用
這個 Skill 的原始碼在哪？
https://github.com/orchestra-research/ai-research-skills
詳情
- 分類
- </>開發工具
- 來源
- skills.sh
- 收錄時間
- 2026-02-11