Semi-Supervised Preference Optimization with Limited Feedback
半监督偏好优化与有限反馈
机构 * Yonsei University(延世大学) ; Korea Advanced Institute of Science and Technology(韩国科学技术院)
AI总结 本文提出半监督偏好优化方法,通过结合少量标注数据和大量未标注数据,有效提升模型对齐人类偏好的效率,减少数据获取成本。
高校专区
半监督偏好优化与有限反馈
机构 * Yonsei University(延世大学) ; Korea Advanced Institute of Science and Technology(韩国科学技术院)
AI总结 本文提出半监督偏好优化方法,通过结合少量标注数据和大量未标注数据,有效提升模型对齐人类偏好的效率,减少数据获取成本。
多模态提示优化:为何不利用多种模态为大语言模型服务
机构 * KAIST(韩国科学技术院)
AI总结 本文提出多模态提示优化问题,提出MPO框架,通过联合优化和贝叶斯策略提升多模态提示效果,验证其在图像、视频等多模态任务中的优越性。
Comments ICLR 2026
点-深度ONet:在非参数几何上预测非线性场,以应对变量载荷条件
机构 * Cho Chun Shik Graduate School of Mobility, Korea Advanced Institute of Science and Technology(Cho Chun Shik 移动研究生院,韩国科学技术院) ; Narnia Labs(Narnia 实验室)
AI总结 Point-DeepONet通过整合PointNet与DeepONet框架,高效预测非参数几何和变量载荷下的物理响应场,实现比传统有限元分析快400倍的高保真结构分析。
Comments Accepted for publication in Neural Networks. 17 pages, 17 figures
Journal ref Neural Networks, 198 (2026) 108560