论文比较四种对齐方法，ORPO与GRPO在语义指标上表现突出。
资讯摘要
论文比较了SFT、DPO、ORPO、GRPO四种后训练对齐方法在Qwen-2.5小模型上生成药品说明书文本的效果，并构建源自OpenFDA药品标签的FDALeaflets数据集，用于零样本跨监管泛化评估。作者报告部分对齐后的小模型在多项参考指标上超过GPT-5，但GPT-5在FDALeaflets上的幻觉与充分性评分更优；ORPO域内语义相似度达0.9752，GRPO在FDALeaflets上STS为0.9407，高于GPT-5的0.9295。
要点速读
- 论文对比SFT、DPO、ORPO、GRPO四种对齐方法，使用Qwen-2.5模型生成药品说明书。
- 作者构建FDALeaflets数据集，用于零样本跨监管泛化评估。
- 作者报告ORPO域内STS为0.9752，GRPO在FDALeaflets上STS为0.9407，高于GPT-5的0.9295；GPT-5在幻觉与充分性评分上更优。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。