arXiv · AI· Stephane Hatgis-Kessell, Myra Cheng, Xiaoxuan Hou, Qian Hu, Rahul Gupta, Natasha Jaques, Emma Brunskill·· 2026-10-05AI 评分36
用多元偏好优化缓解社交谄媚:PlurPO 让 LM 兼顾多方视角
Mitigating Social Sycophancy via Pluralistic Preference Optimization
AI 导读
针对语言模型在个人建议场景中的社交谄媚问题,研究者提出多元偏好优化(PlurPO):让模型识别并模拟冲突中受影响的各方利益相关者,训练其生成各方都能接受的回应,且无需真实标签。
来源:arXiv · AI · arxiv.org