新框架解决个性化多模态大语言模型中的偏好崩溃问题

研究人员在个性化多模态大语言模型（MLLMs）中发现了一种称为“群体偏好崩溃”的现象。当模型旨在迎合个体用户时，它们反而会趋同于占主导地位的人口水平偏好，从而压制了独特的用户信号。为了解决这个问题，提出了一个名为PrefMoE的新框架。PrefMoE将稳定的用户画像信息与偏好相关数据分开，并采用不平衡感知学习和反事实增强等技术来保留个性化偏好。实验表明，PrefMoE在各种MLLM骨干模型上都能增强偏好敏感的个性化并缓解崩溃问题。 AI

影响 解决了将AI模型定制给个体用户的一个关键挑战，有望提高个性化AI应用的有效性。

排序理由 该集群包含一篇详细介绍多模态大语言模型新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• LoRA
• Personalized multimodal large language models
• PrefMoE
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →