提出了方向一致性组别偏好优化(DGPO)框架,通过构建正反双向问答组并优化边际似然目标,以解决大语言模型偏好优化中方向一致性与推理多样性难以兼顾的问题,在多个基准上实现最高3.6%的平均准确率提升。
机构:香港科技大学
来源:arXiv 2605.10863 | AI4Papers 论文推荐平台