来源ID：v1-math-trl-dpo
这份资料用在哪里
阅读与版本
- 实际登记的读取范围：第1295–1447、1556–1575行；参考策略、completion mask、logp求和、reverse_kl、sigmoid及sigmoid_norm
- 原生版本：
1117c3b9c1632ee9814c30f6c9fc884b792a54e5 - 原登记指纹：
text-sha256:148ae182814e8983409209bf3898397923cbdb67d4a195f2af3af36f895f9f4f - 定位：DPOTrainer.compute_ref_log_probs; DPOTrainer._compute_loss
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。