التحسين المباشر للتفضيلات

أسلوب مواءمة يُحسِّن النموذج اللغوي مباشرة على أزواج التفضيل بدالة خسارة تصنيفية مُوجَّهة، متخطياً نمذجة المكافأة والتعلم المعزز بالكامل.

An alignment method that optimizes a language model directly on preference pairs using a supervised classification loss, bypassing reward modeling and reinforcement learning entirely.