‹ arXiv cs.CL

使用联合训练的低秩适配器进行可操纵的多目标群体相对偏好优化

原文:Steerable Multi-Objective Group-Relative Preference Optimization with Jointly Trained Low-Rank Adapters

arXiv cs.CL 未缓存正文

随着用户偏好的变化,语言模型部署通常需要在竞争目标之间进行不同的权衡,而标准的训练后方法通常会为固定的目标权重生成单一策略。我们引入了 LambdaMix,这是一种新的参数有效方法,用于通过与群体相关的在线强化学习来学习偏好条件策略系列。 LambdaMix 加入

正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。

抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。

打开原文 ↗

正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。

相关报道同一事件 / 同分类