simpo-training
✓LLM 对齐的简单偏好优化。 DPO 的无参考替代方案，具有更好的性能（在 AlpacaEval 2.0 上+6.4 分）。无需参考模型，比DPO更高效。当需要比 DPO/PPO 更简单、更快的培训时，可用于偏好调整。
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 对齐的简单偏好优化。 DPO 的无参考替代方案，具有更好的性能（在 AlpacaEval 2.0 上+6.4 分）。无需参考模型，比DPO更高效。当需要比 DPO/PPO 更简单、更快的培训时，可用于偏好调整。 来源：orchestra-research/ai-research-skills。
可引用信息
为搜索与 AI 引用准备的稳定字段与命令。
- 安装命令
npx skills add https://github.com/orchestra-research/ai-research-skills --skill simpo-training- 分类
- </>开发工具
- 认证
- ✓
- 收录时间
- 2026-02-11
- 更新时间
- 2026-02-18
快速解答
什么是 simpo-training？
LLM 对齐的简单偏好优化。 DPO 的无参考替代方案，具有更好的性能（在 AlpacaEval 2.0 上+6.4 分）。无需参考模型，比DPO更高效。当需要比 DPO/PPO 更简单、更快的培训时，可用于偏好调整。 来源：orchestra-research/ai-research-skills。
如何安装 simpo-training？
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/orchestra-research/ai-research-skills --skill simpo-training 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code 或 Cursor 中使用
这个 Skill 的源码在哪？
https://github.com/orchestra-research/ai-research-skills
详情
- 分类
- </>开发工具
- 来源
- skills.sh
- 收录时间
- 2026-02-11