★ 3
COPE：稀疏反馈下基于用户嵌入与自评估的LLM持续个性化
论文提出 COPE 框架，为每个用户分配可学习嵌入，将偏好捕获、自评估校准与个性化响应优化整合到单步更新中。其创新在于用自评估生成代理奖励，在缺乏显式用户反馈时仍能持续更新模型。实验显示 COPE 在稀疏反馈下优于免训练与训练类基线，并与检索增强提示互补。
arXiv cs.LG39 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 COPE 框架，为每个用户分配可学习嵌入，将偏好捕获、自评估校准与个性化响应优化整合到单步更新中。其创新在于用自评估生成代理奖励，在缺乏显式用户反馈时仍能持续更新模型。实验显示 COPE 在稀疏反馈下优于免训练与训练类基线，并与检索增强提示互补。