大型語言模型

深度分析

在大型語言模型中的個人化對齊：使用者多樣性作為決策可識別性的必要且充分條件

本文研究個人化對齊在不同使用者偏好下何時能有效。作者使用共享低維表示配合使用者專屬線性頭建模，並提出決策相關的使用者多樣性條件。證明此條件對於取得有界線上遺憾與對數等級的離線樣本複雜度既必要亦充分；若不滿足，多數學習器將面臨對數級遺憾，凸顯使用者多樣性為識別性的核心。