待验证50% 置信发布精确时间

Unsloth 的 DPO、ORPO、KTO、GRPO 和 CPO 训练开始支持 MLX。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/11/4

首次发现

有效期至：2027/2/2

来源

Unsloth Studio更新：浏览器文件交互与玻璃主题Beta

涉及实体

Unslothproduct MLXproduct DPOconcept ORPOconcept KTOconcept GRPOconcept CPOconcept

相关事实

待验证DPO 及其变体（如 IPO、KTO）成为 LLM 后训练阶段的主流方法之一70% 相似待验证LLaMA-Factory整合了增量预训练、指令监督微调（SFT）、奖励模型训练（Reward Model）、PPO、DPO、KTO、ORPO等训练算法68% 相似待验证RLHF、DPO、GRPO 都属于强化学习（RL）后训练方法族。65% 相似待验证训练环境使用JAX实现的PPO，在单块GPU上运行。62% 相似已验证DPO（直接偏好优化）等对齐算法在降低训练成本的同时提升了模型在开放式指令下的表现一致性61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1136503

API

curl https://kongchang.com/api/v1/knowledge/claims/1136503

MCP

get_claim(id=1136503)