Yongyuan Li

一种把心理语言学中的均匀信息密度假设写进偏好优化奖励的方法，在 AlpacaEval 2、Arena-Hard 与 MT-Bench 上与 SimPO 互有胜负，并在英语补语从句的 that 使用上更接近自然语言。

一种把心理语言学中的均匀信息密度假设写进偏好优化奖励的方法，在 AlpacaEval 2、Arena-Hard 与 MT-Bench 上与 SimPO 互有胜负，并在英语补语从句的 that 使用上更接近自然语言。