优化推理的自主学习模型

PRefLexOR是一个基于偏好递归语言建模的探索性优化推理项目。它通过迭代推理改进，使模型能够自主学习并提升决策能力。项目结合了ORPO和DPO技术，显著提升了推理质量。PRefLexOR能够动态生成任务和反馈，无需预生成数据集，具有实时适应性强的特点。