跳到正文
arXiv · NLP· Constantinos Karouzos, Nikolaos Aletras·· 11 天前AI 评分28

LambdaMix:一种可调节的多目标组相对偏好优化方法

Steerable Multi-Objective Group-Relative Preference Optimization with Jointly Trained Low-Rank Adapters

AI 导读

LambdaMix 通过联合训练低秩适配器,利用组相对在线强化学习实现偏好条件化策略族的学习。该方法仅需一次训练运行即可支持推理时动态调整偏好,无需进一步优化。

来源:arXiv · NLP · arxiv.org