AI 大模型

语言大模型 / LLM

大语言模型、预训练、指令微调、后训练和语言模型应用。

2025-10-02 至 2025-10-02 共收录 6 篇信号源：cs.CL, cs.AI, cs.LG

1. 后训练与偏好优化 6 篇

2510.00911 2025-10-02 cs.LG cs.AI 91%

RiskPO: Risk-based Policy Optimization via Verifiable Reward for LLM Post-Training

Tao Ren, Jinyang Jiang, Hui Yang, Wan Tian, Minhao Zou, Guanghao Li, Zishi Zhang, Qinghao Wang, Shentao Qin, Yanjun Zhao, Rui Tao, Hui Shao, Yijie Peng

机构 * Peking University（北京大学）

专题命中后训练与偏好优化：LLM(title,abstract)；post-training(title,abstract)；large language model(abstract)；language model(abstract)

2510.01135 2025-10-02 cs.LG cs.CL 88%

Prompt Curriculum Learning for Efficient LLM Post-Training

Zhaolin Gao, Joongwon Kim, Wen Sun, Thorsten Joachims, Sid Wang, Richard Yuanzhe Pang, Liang Tan

机构 * Meta Superintelligence Labs（Meta超智能实验室）； Cornell University（康奈尔大学）； University of Washington（华盛顿大学）

专题命中后训练与偏好优化：post-training(title,abstract)；LLM(title)；language model(abstract)；分类 cs.CL、cs.LG

2510.00194 2025-10-02 cs.LG cs.AI 88%

GRPO-$λ$: Credit Assignment improves LLM Reasoning

Prasanna Parthasarathi, Mathieu Reymond, Boxing Chen, Yufei Cui, Sarath Chandar

机构 * Noah’s Ark Lab, Huawei Technologies Ltd.（华为技术有限公司诺亚实验室）； Chandar Research Lab（昌达研究实验室）； Mila – Quebec AI Institute（魁北克AI研究院）； Université de Montréal（蒙特利尔大学）； Polytechnique Montréal Canada（蒙特利尔理工学院加拿大）； CIFAR AI Chair（CIFAR人工智能主席）

专题命中后训练与偏好优化：LLM(title)；large language model(abstract)；language model(abstract)；post-training(abstract)

2510.00647 2025-10-02 cs.CL 85%

MCM-DPO: Multifaceted Cross-Modal Direct Preference Optimization for Alt-text Generation

Jinlan Fu, Shenzhen Huangfu, Hao Fei, Yichong Huang, Xiaoyu Shen, Xipeng Qiu, See-Kiong Ng

机构 * National University of Singapore（新加坡国立大学）； Fudan University（复旦大学）； Harbin Institute of Technology（哈尔滨工业大学）； Eastern Institute of Technology（东方技术研究所）

专题命中后训练与偏好优化：preference optimization(title,abstract)；language model(abstract)；SFT(abstract)；分类 cs.CL

Comments Accepted by ACM MM 2025

2505.15626 2025-10-02 cs.LG stat.ML 79%

Direct Preference Optimization for Adaptive Concept-based Explanations

Jacopo Teneggi, Zhenzhen Wang, Paul H. Yi, Tianmin Shu, Jeremias Sulam

机构 * Johns Hopkins University（约翰霍普金斯大学）； St. Jude Children’s Research Hospital（圣犹大儿童研究医院）

专题命中后训练与偏好优化：preference optimization(title,abstract)；分类 cs.LG

2506.24118 2025-10-02 cs.CY cs.SI 50%

Scaling Human Judgment in Community Notes with LLMs

Haiwen Li, Soham De, Manon Revel, Andreas Haupt, Brad Miller, Keith Coleman, Jay Baxter, Martin Saveski, Michiel A. Bakker

专题命中后训练与偏好优化：LLM(abstract)