实体
CRPO
CRPO
PulseAugur coverage of CRPO — every cluster mentioning CRPO across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新研究探索跨语言大模型对齐及缓解对齐税 · 追踪4个来源
研究人员正在探索跨不同语言对齐大语言模型（LLMs）的新方法，并缓解性能下降。一项研究调查了单语模型是否可以在没有联合训练的情况下开发通用表征，发现对齐可以从语言结构本身中涌现。另一篇论文介绍了BALIGN，一种通过过滤导致灾难性遗忘的偏好数据来减少“对齐税”的数据选择策略。第三种方法，跨语言排序偏好优化（CRPO），利用英语偏好数据通过优化内部和跨语言偏好来提高其他语言的对齐效果。
-
新的CRPO框架通过迁移英语知识增强多语言LLM对齐
研究人员开发了跨语言排序偏好优化（CRPO），一个旨在提高大型语言模型在不同语言之间对齐的新框架。CRPO通过分层排序优化过程，将英语知识迁移到目标语言，解决了以英语为中心的偏好数据问题。在五种语言上的实验表明，CRPO在指令遵循和知识利用方面优于标准方法，提高了语言适应性和输出质量。
-
新的CRPO框架提升了LLM的角色扮演保真度
研究人员推出了一种名为面向角色的群体相对策略优化（CRPO）的新型框架，旨在提升大型语言模型（LLM）的角色扮演能力。CRPO解决了现有以问题为中心的优化方法中常见的角色保真度丢失和风格崩溃的问题。该框架通过将任务逻辑与风格化奖励解耦，根据角色复杂性调整优化约束，并使用通用响应作为负面基线以保持角色一致性，从而实现这一目标。实验表明，CRPO在保持角色一致性和情感表达方面优于现有方法。