Neues RL-Framework GIFT vereint GRPO, DPO und UNA für bessere LLM‑Ausrichtung
Die neueste Veröffentlichung auf arXiv (2510.23868v1) stellt GIFT – Group‑relative Implicit Fine Tuning – vor, ein innovatives Reinforcement‑Learning‑Framework, das die Ausrichtung von großen Sprachmodellen (LLMs) neu definiert. Anstatt wie bei PPO oder GRPO die kumulativen Belohnungen direkt zu maximieren, minimiert GIFT die Diskrepanz zwischen impliziten und expliziten Belohnungsmodellen.
