**超越聊天机器人的直接偏好优化**

_Direct Preference Optimization Beyond Chatbots_

> Dharma-AI团队在Hugging Face博客上分享了使用直接偏好优化（DPO）减少OCR模型文本退化的经验。他们在监督微调后添加DPO阶段，利用模型自身失败产生的退化输出作为拒绝样本，将DPO从主观对齐任务扩展到客观的文本转录，平均减少退化59.4%，最佳达87.6%。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-06-04 22:48（北京时间）
- **原文**：[打开原文](https://huggingface.co/blog/Dharma-AI/direct-preference-optimization-beyond-chatbots)