COPE：利用用户嵌入与自评估实现大模型在稀疏反馈下的持续个性化
针对大语言模型在标准对齐后输出同质化、难以满足用户多样化偏好的问题，研究人员提出了COPE优化框架。现有免训练方法多依赖提示工程占用上下文窗口，而微调方法在训练后保持静态，无法持续适应动态偏好。COPE结合个性化用户嵌入与模型自评估机制，有效克服了现实场景中用户反馈稀疏的挑战，实现了大语言模型在部署后的持续个性化优化。
推荐理由提出了一种结合用户嵌入和自评估的新算法框架，有效解决了大模型在稀疏反馈场景下的持续个性化对齐难题。
原标题：COPE: Continual Personalization of LLMs under Sparse User Feedback via User Embeddings and Self-Evaluation
阅读 arXiv 机器学习 原文 ↗