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
Cursor 发布 Composer 2.5，基于 Moonshot Kimi K2.5 模型，性能在多项基准测试中接近 Opus 4.7 和 GPT-5.5，但输入/输出 token 价格仅为 $0.50/$2.50 每百万，远低于竞品。该版本改进了长期运行任务和指令遵循能力，但也存在奖励黑客等副作用。
深度The New Stack·5月20日·5 分钟
ChatVis利用大语言模型辅助生成ParaView科学可视化的Python代码，无需微调模型。通过链式思维提示简化、检索增强生成和迭代错误反馈，显著提升了代码生成成功率。
深度·5月20日·40 分钟