团队发布 PlurVA-LLM 2026 多元价值对齐系统论文
热点事件持续更新
团队发布 PlurVA-LLM 2026 多元价值对齐系统论文
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Vihindi Kotalawala 与 Nevidu Jayatilleke 提交并公开论文，介绍其参加 PlurVA-LLM 2026 共享任务 Track-1 的系统：面向中国、印尼、斯里兰卡三地的多元价值对齐任务，团队在该资源受限赛道上用 4-bit QLoRA 微调 Llama 3.1 8B Instruct。 三地数据分别采用不同处理：选项排列增强、标注者投票扩展，以及二元重构加 SinhalaMMLU 增强；斯里兰卡数据另做了条件阈值校准。论文未给出这些方法在评测中的实际成绩。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
PlurVA-LLM 2026 Shared Task Track-1：用多语言微调与阈值校准实现 LLM 多元价值对齐报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv：cs.CLPlurVA-LLM 2026 Shared Task Track-1：用多语言微调与阈值校准实现 LLM 多元价值对齐
针对 PlurVA-LLM 2026 Shared Task Track-1 中国、印尼、斯里兰卡三地的多元价值对齐任务，该团队用 4-bit QLoRA 微调 Llama 3.1 8B Instruct，并分别采用选项排列增强、标注者投票扩展和二元重构加 SinhalaMMLU 增强处理三地数据，还对斯里兰卡数据做了条件阈值校准。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。