arXiv · cs.AI · Jingping Wang, Zhanhao Li, Shao Zhang, Shuyue Hu · 13 小时前模型评分38
UPSHIFT：从人机交互反馈轨迹中提取用户偏好并引导模型
UPSHIFT: User Preference Steering from Human-AI Interaction Feedback Traces
导读
研究者提出免训练方法 UPSHIFT（User Preference Steering from Human-人工智能（AI，Artificial Intelligence） Interaction Feedback Traces），通过比较同一会话中初始回答与用户反馈后回答的隐藏表示，跨会话平均位移方向，在回答新问题时注入该偏好方向。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce UPSHIFT (User Preference Steering from Human-AI Interaction Feedback Traces), a training-free method that compares the hidden representations of initial and feedback-conditioned responses within each session, averages the resulting trajectory displacements across a user's sessions, and injects the aggregated preference direction when answering a new query.”
来源：arXiv · cs.AI · arxiv.org