GLOSSARY

kto

KTO＝Kahneman-Tversky最適化。良し悪しだけで整合

1本の論文題名に登場

定義

Kahneman-Tversky Optimization の略で、プロスペクト理論の価値関数を損失に組み込んだ選好整合の手法。DPO のように勝ち負けの対を必要とせず、各出力が望ましいか望ましくないかの二値ラベルだけで学習できる。対データを作らずに既存のログをそのまま使える点が、実務上の主な利点になる。

論文題名での読み方

固有名。DPOの派生