待验证50% 置信事实精确时间

Meta 的 Llama 3 系列及众多开源模型的对齐训练广泛采用 DPO 及其变体（如 IPO、KTO）

1

来源数

50%

置信度

长期有效

时效性

2026/9/1

首次发现

来源

Heretic：一键解除大模型审查限制的开源工具详解

涉及实体

Metacompany Llama 3model DPOconcept

相关事实

待验证Meta的Llama 3在训练过程中大量使用了Llama 2生成的合成数据来增强特定能力71% 相似已验证DPO（Direct Preference Optimization）是2023年提出的对齐方法，可以跳过奖励模型训练直接从人类偏好数据中优化策略模型63% 相似待验证LLM 是基于 Transformer 架构、在海量文本数据上预训练的生成式 AI 模型，代表产品包括 OpenAI 的 GPT、Anthropic 的 Claude 和 Meta 的 LLaMA63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/837397

API

curl https://kongchang.com/api/v1/knowledge/claims/837397

MCP

get_claim(id=837397)