arXiv 自然语言处理· Yijiang River Dong, Zexue He, Cheng Yu, Tiancheng Hu, Michael J Ryan, Jan Batzner, Zheng Hui, Shaolong Wu, Orestis Papakyriakopoulos, Alex Pentland, Nigel Collier, Jiaxin Pei·· 8 小时前AI 评分43
记忆感知奖励模型：学习人类对 LLM 记忆使用的偏好
Memory-Aware Reward Modeling: Learning Human Preferences for LLM Memory Use
AI 导读
研究团队提出记忆感知奖励模型（memory-aware reward model），通过学习用户真实判断来对齐 LLM 的记忆使用，取得 72.8% 的偏好预测准确率并超越现有基线。
来源：arXiv 自然语言处理 · arxiv.org