# 偏好優化對齊

UForm-Gen2-dpo 是一個小型生成式視覺語言模型，通過直接偏好優化（DPO）在 VLFeedback 和 LLaVA-Human-Preference-10K 偏好數據集上針對圖像描述生成和視覺問答任務進行對齊訓練。