PulseAugur
实时 10:03:02
实体 Fang Wu

Fang Wu

PulseAugur coverage of Fang Wu — every cluster mentioning Fang Wu across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_196027 ·

    新的MNPO框架增强了LLM与复杂人类偏好的对齐

    研究人员推出了一种名为多人纳什偏好优化(Multiplayer Nash Preference Optimization, MNPO)的新框架,旨在提高大型语言模型与复杂人类偏好的对齐度。与以往仅限于双人交互的方法不同,MNPO将对齐过程推广到n人博弈,允许策略在与一群对手竞争的同时,朝着参考模型进行正则化。这种方法旨在捕捉更真实、更多样化的偏好结构,包括简单基于奖励的方法通常会忽略的非传递性和异质性。实证评估表明,MNPO在指令遵循…