An Efficient Implicit Cross-Language Reward Mechanism for Multilingual Preference Alignment

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了一种新方法,通过隐式奖励从英文模型获取偏好,并将其迭代训练转移到其他语言,从而有效提升多语言模型性能,减少对多语言偏好数据的需求。

🏷️

标签

➡️

继续阅读