arXiv · AI· Chengtao Jian, Kai Yang·· 4 小时前AI 评分42
TPO: 面向 OOD 直接偏好优化的三层分布式鲁棒学习
TPO: Tri-level Distributionally Robust Learning for OOD Direct Preference Optimization
AI 导读
TPO 提出一种三层分布式鲁棒学习框架，用于解决 OOD 直接偏好优化（DPO）中偏好分布偏移问题。 TPO 在 NeurIPS 2026 被录用，它通过层次化结构化矩形模糊集联合建模组级、提示级和偏好级分布不确定性，并结合 Wasserstein 距离推导了可计算的损失目标。
来源：arXiv · AI · arxiv.org