来源ID：v1-math-paper-dpo
这份资料用在哪里
阅读与版本
- 实际登记的读取范围：第3–4节；BT偏好模型、KL目标、最优策略映射、配分函数抵消、DPO梯度与第7节限制
- 原生版本：
2305.18290v3 - 原登记指纹：
text-sha256:b77f433b75b32fe177f7cb91efc76dc1c001fbfa2f75b14bd7d4fb7a08732115 - 定位：§3–4; Eq.(1)–(7); Limitations & Future Work
本地资料
已有来源快照的保存记录；取得时间见档案，新克隆需重新下载本地缓存。
原文缓存位于Git忽略的sources/.local/，具体相对路径与字节SHA-256见保存记录。缓存可能是论文正文、源码文件或网站入口，保存记录中的representation会说明范围；保存不表示全文已阅读或结论已复现。
第三方全文默认只在本地留存。原作许可未核实时不随本仓库公开分发；本库MIT许可证不改变原作权利。