arXiv · NLP· Yue Wu, Chengbing Wang, Yimeng Bai, Xiaoyan Zhao, Yang Zhang, Fuli Feng·· 9 天前AI 评分28
PrefReward: 通过用户偏好矩阵实现个性化文本生成
PrefReward: Learning User Preference Matrix for Personalized Text Generation
AI 导读
PrefReward 提出了一种基于显式偏好矩阵的个性化生成框架,利用 KL 散度奖励信号引导解码过程。 该方法包含提取用户风格倾向矩阵两个阶段,在 LongLaMP 数据集上生成质量优于检索基线。 该方法提升了个性化文本生成的可解释性。
来源:arXiv · NLP · arxiv.org