英文：Kahneman-Tversky Optimization 分类：training
基于前景理论的对齐优化算法：只需二分类反馈（好/坏），无需成对偏好数据即可训练模型偏好。与 DPO 相比，数据更易获取，2024 年提出后快速流行。
原理：对"好"样本提高似然、对"坏"样本降低似然，并按 KL 约束与参考模型保持距离；处理方式对单样本逐条更新（非成对），支持隐式奖励建模。优点：数据门槛低、训练稳定；缺点：对数据噪声更敏感。
用于无偏好标注的对齐训练（点赞/踩数据）、商业对话模型（真实交互反馈）与低成本对齐实验；与 DPO、ORPO 并列为主流"无需 PPO"对齐方法。