# DPO最適化推論

DeepSeek-R1-Distill-Qwen-14Bを微調整した創作強化モデルで、クリエイティブライティング能力が大幅に向上

Mistral-7BベースのDPO最適化モデル、Q&A、コード生成及び多分野推論タスクに優れる

Kunoichi-DPO-7Bは、Kunoichi-7Bモデルをベースに、インテルのOrcaデータを使用してAlpacaテンプレートに対して直接嗜好最適化（DPO）微調整を行ったモデルで、主に汎用シーンを対象とし、より強力な推論と命令遵守能力を持っています。