arXiv · NLP· Yijiang River Dong, Zexue He, Cheng Yu, Tiancheng Hu, Michael J Ryan, Jan Batzner, Zheng Hui, Shaolong Wu, Orestis Papakyriakopoulos, Alex Pentland, Nigel Collier, Jiaxin Pei·· 3 小时前AI 评分42
Memory-Aware Reward Model 学习人类对 LLM 记忆使用的偏好
Memory-Aware Reward Modeling: Learning Human Preferences for LLM Memory Use
AI 导读
研究团队构建了基于用户判断的记忆感知奖励模型，偏好预测准确率达 72.8%。 该模型优于现有基线，解决了自动评估器过度偏好记忆条件响应的问题。 数据来自 87 名参与者的 1,000 个配对判断，基于其个人 ChatGPT 查询构建。
来源：arXiv · NLP · arxiv.org