Le filThèmes : RechercheÉvaluations
APO propose d’apprendre à plusieurs des initialisations pour aligner les LLM sur des préférences individuelles
1 sourcemis à jour il y a 1 jpertinence 3,0 sur5
L’essentiel
La méthode APO regroupe les utilisateurs aux mises à jour compatibles. Sur Fed-ChatbotPA et UltraFeedback, elle donne des améliorations constantes face aux méthodes existantes avec seulement 20 exemples locaux.
Propagation1 article, publié par HF Daily Papers le 6 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceLiyan Yang, Yige Yuan, Zhiqin Yanghuggingface.co
Collaborative Personalized Preference Alignment for LLMs under Data Deficiency (site externe)
Real-world users often exhibit highly heterogeneous preferences over multiple objectives for LLM responses. A lightweight aligner can tailor these responses to individual preferences, but scarce user-specific feedback makes personalized training difficult.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5