Hugging Face Blog·· 2026-06-03AI 评分42
超越聊天机器人的 DPO：用模型自身的失败样本降低 OCR 文本退化
Direct Preference Optimization Beyond Chatbots
AI 导读
Hugging Face 在 DharmaOCR 训练中把 DPO 用于聊天对齐之外的场景：用模型自身失败产生的退化循环构建拒绝对，作为第二训练阶段降低结构化 OCR 的文本退化率。
来源：Hugging Face Blog · huggingface.co