arXiv · cs.AI· Tamás Janusko·· 1 天前AI 评分32
通过软提示微调让 LLM 评审对齐人类标注策略
Adapting LLM Judges to Observed Human Annotation Policy through Soft Prompt Tuning
来源与原文
arXiv · cs.AI
作者：Tamás Janusko
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07126v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究用软提示微调让开源 LLM 评审更贴近人类标注策略，在 FairBotBench 上训练并在偏见、毒性、个性化三个维度评测。混合软提示微调（文本提示加学习到的连续提示嵌入）相比未调优基线持续提升与人类标注的一致性；Qwen 3.5 9B 调优后在三个维度上均超过托管参考评审。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。