PulseAugur
中
实时 10:39:25
实体 Human-Distribution Preference Optimization

Human-Distribution Preference Optimization

PulseAugur coverage of Human-Distribution Preference Optimization — every cluster mentioning Human-Distribution Preference Optimization 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. RESEARCH · CL_86661 ·

    PolyAlign框架旨在实现上下文感知的语言模型对齐

    研究人员推出了一种名为PolyAlign的新框架，用于对齐语言模型，使其能更好地反映人类在不同上下文中的自然响应变化。与旨在单一全局行为的传统方法不同，PolyAlign将数据组织成特定于上下文的分布，例如语言、任务和响应长度。该方法结合了桶感知监督微调（Bucket-Aware Supervised Fine-Tuning）和人类分布偏好优化（Human-Distribution Preference Optimization），以…