BriefGPT - AI 论文速递 · 2025-04-14T00:00:00Z 通过参考答案学习：无需二元人类偏好数据的多功能语言模型对齐 💡 原文中文，约600字，阅读约需2分钟。 📝 内容提要 本研究提出了一种新方法RefAlign，旨在降低大型语言模型对齐中人类偏好数据收集的成本。通过利用样本生成与高质量参考答案的相似性作为奖励函数，显著提高了对齐效率，适用于多种对齐场景，且性能与传统方法相当。 🏷️ 标签 RefAlign 人类偏好 大型语言模型 奖励函数 对齐 语言模型 阅读原文 生成长图 分享链接 已复制链接
