本文介绍了一种新颖的框架,用于在线学习场景中具有分段线性奖励函数的遗憾最小化,适用于合同设计和拍卖等领域。在单调性假设下,所提出的算法实现了 $\widetilde{O}(\sqrt{nT})$ 的严格遗憾界限,解决了学习最优线性合同和在已发布价格拍卖中设定价格的开放性问题。此外,另一篇论文通过开发协方差遗憾泛函的导数理论来探索遗憾优化,并提出了在投资组合倾斜和基于LLM的分配策略中的应用。另一项研究侧重于LLM的偏好优化,提出了一种正则化技术以防止过度优化并提高生成质量,在Llama-3.1-8B-Instruct上取得了收益。 AI
影响 这些论文在优化和LLM对齐方面的理论理解上取得了进展,可能带来更高效、更可控的AI系统。
排序理由 多篇在arXiv上发表的学术论文,讨论了优化和LLM对齐方面的理论进展。
- AlpacaEval2
- arXiv
- CBCP19
- Cesa-Bianchi et al.
- Direct Preference Optimization
- Francesco Bacchiocchi
- Llama 3.1 8B-Instruct
- Zhu+23
- Hugging Face
- LLM-based allocation strategies
- piecewise linear rewards
- portfolio tilting
- Thompson sampling
AI 生成摘要 · Google Gemini · 来自 5 个来源。 我们如何撰写摘要 →