概念
也叫：Direct Preference Optimization
直接偏好优化（Direct Preference Optimization）的缩写。
最近变化
2026-06-17 · Kimi 2.7 可通过 Fireworks AI 进行 SFT、DPO 和 RL 训练。
DPO 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Kimi 2.7 is now fully trainable on Fireworks. Feed your data into Kimi and build a moat that beats ...
Fireworks AI(@FireworksAI_HQ) · 8.5 分
Direct Preference Optimization Beyond Chatbots
Hugging Face Blog · 8.5 分
Qwen 3.5 from @Alibaba_Qwen is now available on @FireworksAI_HQ Training Platform across the Managed...
Fireworks AI(@FireworksAI_HQ) · 7.2 分
已收录 5 篇与「DPO」相关的 AI 资讯和分析。
Fireworks AI 现在支持 Kimi 2.7 的完全可训练，提供低成本构建竞争模型的方案。
入选理由：Kimi 2.7 可通过 Fireworks AI 进行 SFT、DPO 和 RL 训练。
This article introduces Direct Preference Optimization (DPO) technology, which optimizes text generation by using rejection pairs from the model's own failures, significantly reducing text degradation rates. DPO is particularly effective in OCR tasks, as it can serve as a direct mitigation tool for specific failure modes without relying on subjective human judgments.
入选理由：DPO技术通过使用模型自身失败时产生的拒绝对来优化文本生成，显著减少了文本退化率。
Fireworks AI 平台正式支持智谱 GLM 5.1 模型，提供 SFT/DPO 微调能力、200K 超长上下文窗口，专为长周期智能体编程微调优化，RL 训练即将上线。
入选理由：GLM 5.1 已集成至 Fireworks AI 托管与 API 训练工作流
Fireworks AI 宣布 Qwen 3.5 正式接入其训练平台，支持 SFT/DPO/RLHF 等全栈微调方式、256K 上下文及 LoRA/全参微调。
入选理由：Qwen 3.5 已上线 Fireworks AI 训练平台，覆盖托管与 API 两种工作流
Fireworks AI 扩展其训练平台，支持 Nemotron 3 Ultra 模型的微调和 DPO 训练。
入选理由：Nemotron 3 Ultra 现在支持 SFT 和 DPO 训练。
与「DPO」经常一起出现的 AI 术语。
💡 想追踪「DPO」的长期趋势？去 实体雷达 · DPO 查看详细分析和跨材料问答。
