CF奖励校正缓解LLM推荐曝光坍缩
热点事件持续更新
CF奖励校正缓解LLM推荐曝光坍缩
1 篇报道1 个报道来源49 分钟前更新
先了解这件事
AI 综述
港科大广州等团队研究发现，用协同过滤分数作为强化学习奖励训练大语言模型推荐器时，条目均值项会导致曝光坍缩，并提出逐条目去均值和逐条目标准化两种奖励校正方法。在两个数据集、两种标识方案下，校正后不同用户排名第一的条目数最多提升9.8倍，排序精度与原方法相当，相关代码已开源。
AI 根据报道生成 · 23 分钟前更新
最新进展11月6日 14:09
研究发现 CF 奖励条目均值项导致 LLM 推荐器曝光坍缩报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- AGI Hunt研究发现 CF 奖励条目均值项导致 LLM 推荐器曝光坍缩
港科大广州等团队发现，用协同过滤分数作为强化学习奖励训练 LLM 推荐器时，条目均值项会促成曝光坍缩。研究提出逐条目去均值和逐条目标准化两种奖励校正方法，在两个数据集和两种标识方案下，使用不同用户排名第一的条目数最多提升 9.8 倍，同时保持相当的排序精度，相关代码已开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。