ORPO
把偏好项并进监督微调的单阶段免参考模型做法，省掉额外的偏好对齐阶段；它自己的前提摘要写明：监督微调对成功收敛仍然必要。
生产方式：AI 生成AI 生成，仅供参考签发：晓黎学习复核：2026年11月1日被 4 个词条引用
互链
链接来自概念卡正文里的双链，编译时能解到本期词条集的才成为站内链接。
- DPO（直接偏好优化）正文引用
- DPO（直接偏好优化）相关概念
- SFT（监督微调）正文引用
- SFT（监督微调）相关概念
- SimPO正文引用
- SimPO相关概念
反链（4）
- 参考模型正文引用
- DPO（直接偏好优化）相关概念
- SimPO正文引用
- SimPO相关概念
出现在哪些课时里（1）
判据与「课时正文里能不能点出来」是同一个：那一节确实提到了它。点课时走当前页跳转， 它是导航，不是词条链接。
- DPO 一家省掉了哪一步大模型后训练：偏好、权重与测得出退化的评测
关联图
只画这一条与它直接相连的词条，边与上面两区同源。可拖拽、可缩放，点节点是新标签。
以列表方式看这 5 个节点
- DPO（直接偏好优化）24
- ORPO10
- 参考模型8
- SFT（监督微调）19
- SimPO12
出处
路径是本地知识库（Obsidian 库）里的位置，正文与概念卡逐字对应。
- 课程正文用法归纳DPO 一家省掉了哪一步
packages/db/prisma/lesson-content/dpo-family-tradeoffs.md - 课程正文用法归纳课程派生词条 · 模型训练与后训练
编译入库：2026年11月2日。词条由知识库编译而来， 修正要回到概念卡改，再重新编译。