TOPL：token 级离策略学习应对分布偏移

研究者提出 Token-Level Off-Policy Labeling（TOPL），把大模型后训练重构为 token 级正确性预测任务，让模型在生成回复时逐 token 区分好 token 与坏 token，以应对分布偏移下的忠实生成问题。 该工作发布在 arXiv 的 cs.LG 分类，目前仅有方法层面的描述，报道未给出实验数据、对比基线或评测结果，因此其对生成忠实度的实际效果尚不可知。

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。