★ 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 2 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。
论文在六语言因子设计中独立变化问题语言、回答语言与验证指令语言，用 10 个 3B-14B 开源模型在 LSQA、MMMLU、TriviaQA 上测量首 token P(True) 置信度。结果显示三种语言影响评估的不同部分：准确率由哪种语言主导取决于基准，验证语言单独可使校准误差偏移达 0.04…