TPO：OOD直接偏好优化三层分布式鲁棒框架

TPO 提出一种三层分布式鲁棒学习框架，旨在解决 OOD 直接偏好优化（DPO）中面临的偏好分布偏移问题。该框架通过层次化结构化矩形模糊集，联合建模组级、提示级和偏好级的分布不确定性，并借助 Wasserstein 距离推导了可计算的损失目标。 TPO 论文已被 NeurIPS 2026 会议录用。该工作通过特定的数学推导，将鲁棒优化与分布偏移处理相结合，为直接偏好优化在分布外场景下的稳定性提供了新的技术路径。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。