斯坦福大学研究人员发布新机器学习方法C3PO

划重点:1.C3PO是斯坦福大学研究人员推出的一种全新的机器学习方法，用于定制大型语言模型，使其能够根据上下文进行个性化适应。2.C3PO方法采用情境化批评（C3PO）策略微调语言模型，以在相关环境中应用反馈，同时避免过度泛化，确保模型在不同环境中表现稳健。3.该方法利用直接偏好优化（DPO）和监督微调(SFT)损失来调整模型，保持模型性能并避免不相关提示的负面影响。