arXiv ID:
2605.10043
arXiv 提交日期: 2026-05-11
基于二元反馈的个性化大语言模型:偏好校正优化框架 / Personalizing LLMs with Binary Feedback: A Preference-Corrected Optimization Framework
1️⃣ 一句话总结
本文提出了一种名为C-BPO的新方法,通过将目标用户的数据视为正面反馈、其他用户的数据视为隐含负面反馈,并利用正-无标签学习理论校正偏好重叠问题,使得大语言模型能更准确地学习每个用户的独特性,而不会牺牲其通用能力。