LambdaMix：一次训练让 LLM 在推理时按偏好向量切换多目标策略

谢菲尔德大学研究者提出 LambdaMix，一种参数高效的多目标后训练方法，在冻结基座上为每个目标联合训练低秩 adapter（LoRA）。偏好向量可同时选择 adapter 混合并对归一化奖励加权，单次训练后即可在推理时调整偏好权重，无需重新训练。