评分 5.5 · 来源：arXiv cs.LG · 发布于 2026-04-29
评分依据：用互信息调制 DPO 超参，减少调优开销
DPO 等 offline preference optimization 方法优势显著但需大量超参调优。本文提出用互信息作为调制因子，根据训练状态动态调整超参。
Intrinsic Mutual Information as a Modulator for Preference Optimization
原文： arXiv cs.LG
评分 5.5 · 来源：arXiv cs.LG · 发布于 2026-04-29
评分依据：用互信息调制 DPO 超参，减少调优开销
DPO 等 offline preference optimization 方法优势显著但需大量超参调优。本文提出用互信息作为调制因子，根据训练状态动态调整超参。