Bayesian WeakS-to-Strong from Text Classification to Generation
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);preference optimization(abstract);分类 cs.CL、cs.AI、cs.LG
Comments Accepted by ICLR2025
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);preference optimization(abstract);分类 cs.CL、cs.AI、cs.LG
Comments Accepted by ICLR2025
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);SFT(abstract);preference optimization(abstract)
专题命中 后训练与偏好优化 :LLM(abstract);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 后训练与偏好优化 :LLM(abstract);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments AAAI 2025
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);RLHF(abstract);分类 cs.CL、cs.AI、cs.LG
Comments Proceedings of the Main Conference on Empirical Methods in Natural Language Processing (EMNLP) 2023
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);RLHF(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 后训练与偏好优化 :LLM(abstract);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments Accepted at The 39th Annual AAAI Conference on Artificial Intelligence (AAAI 2025)
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);preference optimization(abstract);分类 cs.CL、cs.AI、cs.LG
Comments Findings of EMNLP 2024
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);RLHF(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);small language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments This paper is accepted for ACL 2024
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);preference optimization(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 后训练与偏好优化 :LLM(abstract);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 后训练与偏好优化 :LLM(abstract);large language model(abstract);language model(abstract);SFT(abstract)
Comments ACL 2024
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);RLHF(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 后训练与偏好优化 :language model(abstract);RLHF(abstract);preference optimization(abstract);分类 cs.CL、cs.AI、cs.LG
Comments Accepted at ICML 2024 (main conference)
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);RLHF(abstract);preference optimization(abstract)
Comments Preprint
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);RLHF(abstract);分类 cs.CL、cs.AI、cs.LG
Comments Accepted as conference paper in ICLR 2024
专题命中 后训练与偏好优化 :LLM(abstract);large language model(abstract);language model(abstract);RLHF(abstract)
Comments 2024 54th Annual IEEE/IFIP International Conference on Dependable Systems and Networks - Disrupt
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);RLHF(abstract);分类 cs.CL、cs.AI、cs.LG
Comments ICLR 2024. Code is available on our project website: https://xingyaoww.github.io/mint-bench
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);RLHF(abstract);分类 cs.CL、cs.AI、cs.LG
Comments ICLR 2024
专题命中 后训练与偏好优化 :LLM(abstract);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 后训练与偏好优化 :LLM(abstract);large language model(abstract);language model(abstract);分类 cs.CL、cs.AI、cs.LG
Comments Spotlight at NeurIPS 2023
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);RLHF(abstract);分类 cs.CL、cs.AI、cs.LG
Comments 10 pages, no figures
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);RLHF(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 后训练与偏好优化 :large language model(abstract);language model(abstract);post-training(abstract);分类 cs.CL、cs.AI、cs.LG
机构 * Massachusetts Institute of Technology(麻省理工学院)
专题命中 后训练与偏好优化 :language model(abstract);RLHF(abstract);prompting(abstract);分类 cs.CL、cs.AI
Comments 2025 ICML Efficient Systems for Foundation Models Workshop
流偏好优化中的流形漂移:奖励黑客的根本原因
机构 * Zhejiang University(浙江大学) ; Kuaishou Technology(快手科技) ; Westlake University(西湖大学)
专题命中 后训练与偏好优化 :preference optimization(title,abstract);分类 cs.AI
AI总结 本文针对流偏好优化中流形漂移导致奖励黑客的问题,提出ThermoDPO及其加权变体,在玩具基准和SD3.5-M数据集上均取得优于FlowDPO等方法的性能。
ADEPT:通过强化学习利用预训练和后训练提升灵巧性
机构 * NVIDIA Corporation(英伟达公司) ; University of Michigan(密歇根大学)
专题命中 后训练与偏好优化 :post-training(title,abstract);分类 cs.AI
AI总结 该研究提出ADEPT强化学习框架,通过预训练和后训练实现高自由度机器人的可仿真到现实迁移的灵巧性,在两款机器人本体上完成长程任务,达到人类水平灵巧速度。
Comments Project page: https://adept-dexterity.github.io/
用强化学习降低AI数据中心能耗:从单GPU到集群的大语言模型训练实测功率控制
专题命中 后训练与偏好优化 :LLM(title);post-training(abstract);分类 cs.AI
AI总结 该研究针对大语言模型训练的GPU功耗问题,提出PPO元控制器调整生成参数,在单GPU及集群环境下降低功率违规、提升输出与能效,验证了超额订阅的可行性。
Se-DPO:用于直接偏好优化的自进化令牌信用
专题命中 后训练与偏好优化 :preference optimization(title,abstract);分类 cs.CL
AI总结 Se-DPO是一种在DPO训练中基于模型自身内部信号动态校准令牌信用的方法,无需外部模型,在AlpacaEval 2和Arena-Hard上较DPO分别提升9.8和12.2个百分点。
Comments 16 pages, 2 figures, COLM2026