直接偏好优化模型构建方法、装置、电子设备及存储介质

本发明公开了直接偏好优化模型构建方法、装置、电子设备及存储介质，所述方法包括：所述直接偏好优化模型构建方法包括：获取微调的初始模型；为所述初始模型选用uDPO框架并设置uDPO的超参数，得到目标函数；根据所述目标函数生成目标模型。通过构建uDPO框架，在uDPO中引入新的超参数，实现了对数据对可靠性的细粒度控制，从而在噪声环境下提供了更加平衡的探索与利用策略。其次，uDPO在保持DPO对点噪声固有鲁棒性的同时，通过优化最坏成对场景，显著提升了模型对抗成对噪声的能力，相较于DPO无论是在噪声还是无噪声的数据集上，均能实现性能的显著提升，具有DPO对抗点噪声的能力的同时具有对抗成对噪声的能力。