通俗解释
DPO 需要参考模型且偏爱长回答。SimPO 用平均对数概率当奖励并加一个目标间隔，更省、更不易“越写越长”。
用在哪里：开源模型偏好微调
01原始论文
SimPO: Simple Preference Optimization with a Reference-Free Reward
Yu Meng, Mengzhou Xia, Danqi Chen · 2024
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
相关：ORPO
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
官方文档
04在课程里哪里学
所在学习路线：后训练与推理模型
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
simpo)