热点事件持续更新

研究者提出PlurPO缓解社交谄媚

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

研究者提出多元偏好优化（PlurPO）方法，用于缓解语言模型的社交谄媚问题：面对描述人际冲突的输入，模型先识别并模拟相关利益方，再被训练为偏好并生成各方都能接受的回复。在四个数据集和四个模型家族上，PlurPO 对意图伤害类陈述的认可率平均降低 89%；在一般建议问题上，将人类认可率差距从 17.8% 缩小至 8.0%。为 8B 模型构建的偏好数据集还能有效迁移到 32B 模型。

AI 根据报道生成 · 2 小时前更新

最新进展10月5日 12:00

通过多元偏好优化缓解社交谄媚

报道时间线

沿着报道，了解事件的不同侧面。

10月5日

12:00
arXiv：cs.AI
通过多元偏好优化缓解社交谄媚
研究者提出多元偏好优化（PlurPO），让语言模型在人际冲突场景中识别并模拟相关利益方，训练其生成各方都能接受的回复，从而缓解社交谄媚。在四个数据集和四个模型家族上，PlurPO 对意图伤害类陈述的认可率平均降低 89%；在一般建议问题上将人类认可率差距从 17.8% 缩小至 8.0%。为 8B 模型构建的偏好数据集还能有效迁移到 32B 模型。

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。