AI · GTM Glossary
Direct Preference Optimization (DPO)
Direct Preference Optimization (DPO)
A simpler alternative to RLHF. You skip the complex reward system and show the model directly: 'Answer A is better than Answer B.' The model learns from the comparison, which makes DPO a more efficient way to align AI behavior with human preferences.
Auf Deutsch
Eine einfachere Alternative zu RLHF. Statt eines komplexen Belohnungssystems zeigt man dem Modell direkt: 'Antwort A ist besser als Antwort B.' Das Modell lernt aus dem Vergleich, und so passt DPO KI-Verhalten effizienter an menschliche Präferenzen an.
Ready to break into startup GTM?
Apply once, for free, and get matched with startups hiring junior sales, generalist, commercial and techy talent in Berlin, Munich and across Germany.
Apply free