偏好优化 LLM-DailyDigest 2026-08-22 2026-08-22 约 100 字 预计阅读 1 分钟 偏好优化 本主题由提交工具自动创建,可在此补充洞察与资料。 相关消息(按子主题自动聚合) 偏好优化 2 基于激活标签传播的低资源大模型偏好适配 09-01 PLC-DPO:噪声与模糊偏好优化中的后验标签校正 09-01 同策略蒸馏 1 DiffusionOPSD:扩散模型的在线策略自蒸馏 08-27 尺度解耦 1 DPO 中优化尺度与偏好尺度的解耦 08-28 指令精炼 1 指令质量决定偏好学习效果:基于奖励与规则的指令精炼 08-29 排序蒸馏 1 TUP:基于排名分类的 Best-of-N 蒸馏 08-21 无教师蒸馏 1 Self-OPD:无需教师的流匹配模型在策蒸馏 08-29 流形漂移 1 流偏好优化中的流形漂移与奖励作弊 08-22 视频剪辑智能体 1 RefineCut:8B模型自我进化实现手机本地视频剪辑 08-30