Distilabel是为AI工程师设计的框架，使用人类反馈的强化学习方法（例如奖励模型和DPO）对大型语言模型进行对齐。 它主要专注于LLM微调和适应性。 Distilabel可协助数据收集，清洗和训练。

一种新的方法可以过滤高质量的配对偏好以进行对齐。它可以显著提高基准模型的性能。