Lepton AI 团队调侃 DeepMind 的 IPO 论文引用量将增 1000 倍

Lepton AI 的 Lew Tun 调侃 DeepMind 的 IPO 论文引用量将增 1000 倍，因 Misovalko 等人发表的 Identity Preference Optimization 同样使用 IPO 缩写。该论文提出 ΨPO 目标函数，绕开 RLHF 中成对偏好转为点wise奖励及奖励模型外推两项近似，其算法后来落地为 TRL 开源代码。