热点事件观察中
研究者提出大语言模型多元价值对齐方案
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年9月29日，arXiv发布的研究显示，研究团队在PlurVA-LLM 2026评测Track-1任务中提出了一种大语言模型多元价值对齐方案。该方案采用4-bit QLoRA微调Llama 3.1 8B Instruct模型，并引入了条件阈值校准技术。在数据处理方面，团队针对中国、印尼和斯里兰卡的数据特点，分别采用了选项置换、标注投票扩展以及SinhalaMMLU增强等策略。最终评测结果显示，该系统在中国、印尼和斯里兰卡数据上的准确率分别为0.785、0.715和0.916，宏平均准确率达到0.805。
AI 根据报道生成 · 10 小时前更新
最新进展9月29日 12:00
研究团队提出结合微调与阈值校准的多元价值对齐方案，宏平均准确率达0.805。报道时间线
沿着报道，了解事件的不同侧面。
9月29日
- arXiv 自然语言处理PlurVA-LLM-2026 任务 Track-1：通过多语言微调与阈值校准实现大语言模型多元价值对齐
研究团队在 PlurVA-LLM 2026 评测 Track-1 中，采用 4-bit QLoRA 微调 Llama 3.1 8B Instruct 实现多元价值对齐。方案针对中国、印尼和斯里兰卡数据分别采用选项置换、标注投票扩展与 SinhalaMMLU 增强，并引入条件阈值校准。最终系统在三地数据上的准确率分别为 0.785、0.715 和 0.916，宏平均准确率达到 0.805。
本事件热度走势
当前热度 4·可比范围峰值 5（9月30日 12:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。