研究者提出基于用户反馈的选择性自学习框架SLIFT

研究者 Xuancheng Li 等提出选择性自学习框架 SLIFT，将每条用户反馈拆解为原子组件，并标注为 Fix、Spec、Null 三类。SLIFT 在共享冻结主干上训练两个互补的 LoRA 适配器：Generalist 通过反馈条件自蒸馏固化 Fix 需求，Specialist 为适用但未满足的 Spec 提供残差指导，Null 组件不产生正向更新。 据研究者称，该框架建立在对用户反馈的任务相对视角之上，并已公开代码。

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。