SkillGrain：从反馈学习个性化技能框架

研究者提出 SkillGrain 框架，用于从用户反馈中学习可迁移的个性化技能。针对反馈中持久偏好与单次修正混杂、进而导致负迁移的问题，该方法把反馈拆解为原子规则，并预测每条规则的可迁移性，只保留适合未来请求的规则。 据论文描述，SkillGrain 结合 rubric 引导的技能奖励与细粒度信用分配，并通过强化学习联合优化技能归纳与技能条件生成。在涵盖五类个性化写作任务的基准上，该方法在三种基座模型的域内与域外设置中均取得最优综合平均表现。论文由 Li Wang 等作者提交，发布于 arXiv 计算语言学分类。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。