TPO提出三层分布鲁棒DPO框架

1. 12:00
   arXiv · Machine Learning

   TPO：面向 OOD 直接偏好优化的三层分布鲁棒学习

   TPO提出面向OOD偏好对齐的三层分布鲁棒框架，联合建模群组级、提示级和偏好级分布不确定性。基于Wasserstein距离，框架结合偏好级闭式边际惩罚、提示级对抗嵌入扰动和最坏情况群组重加权。研究给出有限样本收敛保证，并通过实验验证TPO优于现有鲁棒DPO方法。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。