# 直接選好最適化

InternVideo2.5は、長く豊富なコンテキスト(LRC)モデリングを強化したビデオマルチモーダル大規模言語モデルで、InternVL2.5を基盤として構築されており、細粒度の詳細を感知し、長時間の時系列構造を捉える能力を向上させることで、既存のMLLMモデルを大幅に改善しています。

SimPOは参照報酬モデルを必要としない選好最適化手法で、選好アライメントのプロセスを簡素化します。

SambaLingo-アラビア語-チャット-70Bは、アラビア語と英語をサポートする人間調整済み対話モデルで、Llama-2-70bを基に適応訓練されています。

SambaLingo-トルコ語-チャットモデルは、トルコ語と英語をサポートし、人間の選好に沿ったチャットモデルで、Llama-2-7bを基にトルコ語適応と直接選好最適化トレーニングを施しています。

ロシア語と英語で訓練された人間にアライメントされた対話モデルで、直接選好最適化手法を用いて訓練され、ロシア語と英語のバイリンガル対話をサポートします。