研究提出多目标对齐主动偏好学习框架OGC-DPO

1. 13:00
   arXiv · AI

   OGC-DPO：面向多目标对齐的主动偏好学习框架

   OGC-DPO 提出一种主动学习框架，将每个（响应配对，目标）组合视为独立查询，通过策略自身隐式梯度衡量信息量。 该方法在无需外部奖励模型的情况下，选择能最大程度扩展各目标梯度覆盖率的查询。 实验表明其在相同标注成本下优于现有方法，并证实信息性冲突对策略训练具有积极作用。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。