实体
Plackett--Luce
Plackett--Luce
PulseAugur coverage of Plackett--Luce — every cluster mentioning Plackett--Luce across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新方法通过秩条件样本重用增强Plackett-Luce目标
研究人员开发了一种用于Plackett-Luce Best-of-K目标中秩条件样本重用的新颖方法。这种新方法通过提供无偏的得分函数代理梯度来解决现有估计量中的偏差。该方法利用动态规划来折叠子集和，并提供具有O(n log n + nKQ)复杂度的固定Q正交评估。
-
新的鲁棒列表式偏好优化方法用于LLM对齐
研究人员开发了一种新的语言模型对齐鲁棒偏好优化方法，侧重于列表式监督而非成对监督。该方法解决了由标注者不一致或反馈噪声引起的排序标签不确定性。提出的目标函数，即逐点全变差鲁棒Plackett-Luce目标函数，分解为标称损失和最坏情况修正，使其在计算上可处理。实验表明，这种鲁棒修正可以在标签干净的情况下保持性能，并在噪声条件下增强鲁棒性，从而提高奖励模型排序的候选扩展和外部评估指标的可靠性。