★ 2
SkillGrain：从用户反馈学习可迁移个性化技能
该论文提出 SkillGrain 框架，将用户反馈拆解为可独立执行的原子规则，并预测每条规则的迁移性，只保留适合未来请求的规则，以避免负迁移。方法结合评分引导的技能奖励与细粒度信用分配，并通过强化学习联合优化技能归纳与技能条件生成。作者构建了覆盖五类个性化写作任务的基准，在三种基座模型的域内与域外…
arXiv NLP18 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
该论文提出 SkillGrain 框架，将用户反馈拆解为可独立执行的原子规则，并预测每条规则的迁移性，只保留适合未来请求的规则，以避免负迁移。方法结合评分引导的技能奖励与细粒度信用分配，并通过强化学习联合优化技能归纳与技能条件生成。作者构建了覆盖五类个性化写作任务的基准，在三种基座模型的域内与域外…
arXiv 论文提出 MIRROR 自蒸馏框架，将 LLM 个性化从参考文本模仿转向用户偏好内化：用参考条件自蒸馏对齐模型自身生成轨迹的下一 token 分布，并引入 MIRROR-F 插件对信息量高的参考 token 做选择性监督。在三个个性化生成基准、两种模型规模上取得领先的个性化与文本质量表…