#DPO Trainer

使用DPO Trainer在TomGrc/FusionNet_7Bx2_MoE_13B上优化语言模型，通过TRL实现偏好数据训练，提升模型效果。了解Rafailov等人的直接偏好优化方法，以提升模型性能，提供更精准的结果。