SimPO
用序列的平均对数概率当隐式奖励的成对偏好优化：不需要参考模型、更省算力与显存，并在 Bradley-Terry 目标里加一个目标奖励间隔。
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 6 个词条引用
DPO（直接偏好优化） 省掉了奖励模型，但仍要挂一份参考模型权重做对照。SimPO 的摘要写它用序列的平均对数概率当隐式奖励，因而不需要参考模型，更省算力与显存；并在 Bradley-Terry 目标里加一个目标奖励间隔。
课程把它与 ORPO 记在同一笔账上：免参考模型省的是「再挂一份权重做对照」的开销；但「少一份权重」少掉了什么约束，摘要没讲，本课不补。
相关
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。
- Bradley-Terry正文引用
- Bradley-Terry相关概念
- DPO（直接偏好优化）正文引用
- DPO（直接偏好优化）相关概念
- ORPO正文引用
- ORPO相关概念
反链（6）
- 参考模型正文引用
- Bradley-Terry正文引用
- Bradley-Terry相关概念
- DPO（直接偏好优化）相关概念
- ORPO正文引用
- ORPO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
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。