微调开源 LLM 法官，性能超越 GPT-5.2
深度2026年2月2日6 分钟阅读
用 Direct Preference Optimization（DPO）在 5400 个偏好对上微调开源模型，GPT-OSS 120B 在人类偏好对齐任务上击败了 GPT-5.2，成本降低 15 倍，推理速度提升 14 倍。
本文编译自 Fine-tuning open LLM judges to outperform GPT-5.2，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Google 正在研发新AI芯片“Frozen v2”，预计2028年发布，能效比现有芯片提升6-10倍，旨在优化Gemini模型运行效率。此消息推动Google股价上涨约3%。
深度·7月20日·3 分钟
Kimi K3 在三个编码任务上（bug 修复、重构、功能开发）产出了与 Fable 5 相同的结果，总成本 $2.13 vs $5.98，但总耗时 28 分钟 vs 6 分 49 秒。Kimi K3 在重构中展现了更严谨的工程实践，但速度是其当前主要短板。
深度The New Stack·7月20日·7 分钟