实体
YFPO
YFPO
PulseAugur coverage of YFPO — every cluster mentioning YFPO across labs, papers, and developer communities, ranked by signal.
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
时间线
- 2026-05-12 research_milestone Publication of a preliminary study on Yoked Feature Preference Optimization for mathematical reasoning in LLMs. 来源
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的YFPO框架通过神经元引导奖励增强LLM推理能力
研究人员引入了Yoked Feature Preference Optimization (YFPO)框架，这是一种旨在增强大型语言模型推理能力的新颖框架。该方法通过使用AttnLRP识别与数学相关的内部特征，将响应级偏好学习与神经元级奖励相结合。辅助奖励源自这些神经元在偏好响应和非偏好响应之间的激活裕度，然后将其与标准的偏好优化目标相结合。在GSM8K数据集上使用紧凑型语言模型进行的初步实验表明，这些神经元引导的奖励可以积极影响优化…
-
新的联合特征偏好优化增强了大型语言模型的数学推理能力
研究人员推出了一种名为联合特征偏好优化（YFPO）的新型框架，旨在增强大型语言模型的数学推理能力。与仅依赖外部偏好数据的现有方法不同，YFPO 整合了内部神经元激活模式来指导优化过程。通过识别与数学概念和逻辑推理相关的神经元，YFPO 构建了一个辅助奖励信号，以补充外部监督。在小型模型上使用 GSM8K 基准进行的初步实验表明，这种神经元引导的方法有可能提高推理性能，并为模型微调提供更具可解释性的途径。