arXiv cs.LG· Xiaoan Xu, Tingzhou Wei, Juncheng Dong, Korel Gundem, Ethan X. Fang, Zhengling Qi·· 12 天前AI 评分37
PerSPL：个性化半监督偏好学习
PerSPL: Personalized Semi-supervised Preference Learning
AI 导读
个性化半监督偏好学习框架 PerSPL 通过 pair-mean score centering 稳定跨 prompt 评分坐标，迭代将无标签回复转化为用户特定的训练信号。在 PersonalLLM、HelpSteer2、Reddit TLDR 和 Chatbot Arena 四个基准上对比 7 种代表性 baseline，PerSPL 在已见过和未见过的用户上均取得了最高平均准确率。
来源：arXiv cs.LG · arxiv.org