混合政策偏好優化

深度分析

MO‑DiT+HPPO：結合度量排序與混合政策偏好優化的生成式檢索框架

隨著平台越來越需要同時符合屬性與細緻樣式的檢索，研究提出MO‑DiT+HPPO框架，結合度量排序序列訓練與混合政策偏好優化，在四大屬性領域提升Joint@K指標，且保持樣式純度，顯示生成式檢索的可行性與效能。方法無需重新訓練或外部過濾，即可跨模型應用，降低開發者合規門檻。