研究：多重潜在排序更能预测语言模型偏好
原文标题：Multiple latent orderings better predict language model preferences
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究指出语言模型的价值判断常表现出非传递性，现有工作将其视为单一潜在排序周围的采样噪声。作者提出非传递性反映多个内部一致的潜在排序的聚合，并引入噪声增强的混合 Bradley-Terry 模型从重复成对比较中推断潜在偏好成分。在七个模型与四个任务上，排序混合比单一效用模型更好地解释结构性不一致，说明对齐与评估流水线若把偏好当作单一函数，可能对用户各自认同的一致排序做平均。
- 问题
- 语言模型价值判断常非传递，现有工作将其视为单一潜在排序周围的采样噪声。
- 方法
- 提出非传递性源于多个内部一致潜在排序的聚合，用噪声增强的混合Bradley-Terry模型从重复成对比较中推断偏好成分。
- 结果
- 在七个模型与四个任务上，排序混合比单一效用模型更好地解释结构性不一致。
- 影响
- 对齐与评估若把偏好当单一函数，会对不同用户各自认同的一致排序做平均，需改用混合偏好建模。
深读 · 结论先行AI 生成展开看要点与影响 ↓
LLM偏好非传递性源于多个潜在排序的聚合，而非单一排序的采样噪声。
- •证明观测到的不一致无法用任何单调链接函数下的单一排序解释
- •提出噪声增强混合Bradley-Terry模型，从重复成对比较中推断潜在偏好成分
- •在七个模型、四个任务上，排序混合比单一效用模型更好解释结构性不一致
- •Moral Machine案例显示：聚合排序相左的模型仍可能共享潜在成分
- •结论：把偏好当单一函数的对齐与评估流水线，可能在平均掉用户各自认同的一致排序
为什么重要：若偏好本质是多元的，现有以单一奖励函数为核心的对齐与评测方法可能系统性掩盖真实的偏好异质性。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。