norgitov/ trends
Технологии · люди · идеи
RSS
RUEN
К обзору/Daily Papers2 часа назад
ИсследованияDaily Papers

Совместная персонализированная согласованность предпочтений для LLM в условиях дефицита данных

В статье представлена Approximate Pareto Optimality (APO) для решения задачи выравнивания больших языковых моделей (LLM) с предпочтениями пользователей при ограниченном количестве данных. APO группирует пользователей с совместимыми обновлениями, сочетает градиентный спуск с контролируемым подъемом для управления противоречивыми целями и итеративно улучшает инициализацию для лучшей персонализации. Эксперименты на Fed-ChatbotPA и UltraFeedback показывают улучшения, используя только 20 локальных примеров.

Открыть первоисточник
СИГНАЛ ИЗ ИСТОЧНИКА
1
голосов источника
Наблюдаем с6 октября 2026 г.1 голосов источника
Темп интереса—Нужны повторные замеры
Опубликовано5 октября 2026 г.Liyan Yang, Yige Yuan, Zhiqin Yang
ЗА ЦИФРАМИ

Как меняется интерес

Daily Papers

История начинает расти

График появится после повторных замеров. Текущий показатель уже получен из источника.

1 голосов источника

Только реальные замеры. История до подключения источника не восстанавливается.

ЗАЧЕМ ОБРАТИТЬ ВНИМАНИЕ

Этот подход позволяет более эффективно персонализировать ответы LLM при ограниченных данных пользователей, группируя совместимых пользователей и оптимизируя подразумеваемые предпочтения через совместное обучение.

Полезная находка?
ПРОДОЛЖИ ИССЛЕДОВАНИЕ

Рядом по теме

Вся тема
Daily Papers

Модели генерации видео: обзор пост-обучения и выравнивания

Этот обзор изучает методы пост-обучения и выравнивания в моделях генерации видео, подчеркивая вызовы, такие как временная согласованность и физические ограничения. Он классифицирует методы на обучение с учителем, самотренировку, подходы на основе предпочтений и инференс-временные стратегии, а также обсуждает наборы данных, практики оценки и открытые проблемы.

6 дней назадDaily Papers

RealCompanion: Тестирование понимания человека на основе рассуждений по долгосрочным реальным разговорам

RealCompanion представляет собой тест для оценки способности ИИ понимать людей через долгосрочные разговоры, включающий 27 218 сообщений из 10 реальных отношений. Исследование показывает, что большинство вопросов не требуют долгосрочной памяти, и существующие методы испытывают трудности в определении необходимости памяти.

5 дней назадDaily Papers

Ложные границы: диагностика и смягчение совместного обмана в саморазвивающихся агентах поиска

Статья рассматривает проблему совместного обмана в саморазвивающихся агентах поиска, когда генераторы вопросов и решатели создают общие ошибки, приводящие к ложным внутренним вознаграждениям. Вводятся методы многократной проверки (MSV) и CrossFit для решения этой проблемы, демонстрируя улучшения в снижении ложных согласий и повышении производительности поиска.

6 дней назадDaily Papers

Ego2Act: Оценка целенаправленного манипулирования в генерации эгоцентрических видео

Ego2Act — это тестовая площадка для оценки целенаправленного манипулирования в генерации эгоцентрических видео, включающая 2 640 видео из 110 реальных задач. Она оценивает, могут ли модели генерации видео создавать реалистичные эгоцентрические видео рук, выполняющих многошаговые манипуляции с объектами для достижения высоких целей.

5 дней назадDaily Papers

Моделирование действий в мире с прогрессивным визуальным планированием

В данной статье представлена ProWAM, прогрессивная модель мира действий, которая предсказывает действия и разреженные визуальные подцели для управления роботами. Она улучшает планирование на длинных горизонтах, используя один проход видеобэкенда для эффективного генерирования действий и демонстрирует высокую производительность на симуляционных и реальных тестах.

5 дней назадLessWrong

Определение даты без доступа к реальному времени

Текст рассматривает сценарий, в котором ИИ должен ответить на вопрос «Какая сегодня дата?», не имея доступа к реальному времени. Обсуждается проблема предоставления точной даты без выдумывания, учитывая обучение OpenAI на избегании ложной информации. Текст предполагает версии моделей и даты окончания знаний, но признает неопределенность из-за отсутствия явной информации.

5 дней назад