★ 3
CM-DPO：面向 LLM 规划的约束边际直接偏好优化
研究者提出约束边际直接偏好优化（CM-DPO），用基于符号验证器的连续边际替代 DPO 的二元偏好信号，并按违规严重程度加权，同时通过词典序目标分离硬约束与软约束。在 TravelPlanner、NaturalPlan 与 PlanBench 上，8B 模型微调后达到 89.2% 通过率，性能匹配…
arXiv cs.AI25 天前
#约束满足
共 5 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
CC-OPD：反事实约束条件策略蒸馏提升多约束指令遵循
针对多约束指令遵循中模型常违反部分约束的问题，论文提出 CC-OPD，反转蒸馏中监督信号的生成方向：逐一从教师的条件中消融每个约束，用由此产生的逐 token 概率差构建约束信号。该方法无需外部验证器，在两组 Qwen 模型对与七个基准上取得最优平均成绩，1.5B 学生模型在 MulDimIF 上…
arXiv cs.LG39 天前
★ 2
Convex-SKM-Net：低延迟凸约束满足层，推理提速 144 倍
研究者提出 Convex-SKM-Net，一种凸约束满足层，利用残差与（次）梯度预言机构造线性化半空间，无需约束专用投影器，并以固定深度对偶投影梯度下降在 GPU 上求解。在二阶锥模型预测控制任务上推理提速最高 144.3 倍，QCQP 基准提速 7.7 倍，平均目标差距仅 0.012%。
arXiv cs.LG3 天前
★ 2
ChronoSynth 框架提出：面向时序知识图谱的约束感知问题生成
论文将时序知识图谱问题生成视为保持约束的图到问题任务，提出 ChronoSynth，先构建时序意图状态显式表达问题语义，再从模式记忆中检索匹配的问题模式并适配、校验与迭代修订。在 CRONQUESTIONS 与 MultiTQ 上取得当前最优生成表现，消融实验验证各组件贡献。
arXiv NLP11 天前
★ 2
RAC：面向约束工程任务的智能体关系契约
论文提出 RAC，一种与执行框架无关的工程智能体动作与反馈契约，规定权威观测、语义动作、工具实现、独立验证与修复证据。在 PCB 布局、布线与修复任务上，RAC 在九个模型上平均清洁通过率达 90.9%，优于最强基线 74.0%；在作业车间调度中直接关系动作质量通过率 96.3%，远高于代码中介的…
arXiv cs.AI17 天前