Il framework CLIPR apprende preferenze utente trasferibili per LLM
Un nuovo framework chiamato CLIPR (Apprendimento Conversazionale per Inferire Preferenze e Ragionamento) consente ai grandi modelli linguistici di inferire preferenze latenti degli utenti da interazioni limitate e trasferirle tra compiti diversi. L'approccio affronta una limitazione chiave degli LLM nel processo decisionale allineato all'umano, dove situazioni ambigue richiedono la comprensione di preferenze non dichiarate. CLIPR apprende regole linguistiche naturali attuabili che rappresentano queste preferenze, consentendo al ragionamento a valle di allinearsi con l'intento dell'utente senza necessità di interazioni ripetute estese. Il framework è progettato per moduli di ragionamento di alto livello negli LLM, migliorando la loro capacità di risolvere ambiguità in modo allineato all'umano. L'articolo è disponibile su arXiv con identificativo 2605.12682.
Fatti principali
- CLIPR sta per Apprendimento Conversazionale per Inferire Preferenze e Ragionamento
- Il framework apprende regole linguistiche naturali trasferibili che rappresentano preferenze latenti degli utenti
- Affronta le limitazioni degli LLM nel processo decisionale allineato all'umano
- Richiede solo interazioni limitate con l'utente per inferire le preferenze
- Le preferenze sono attuabili e trasferibili tra compiti e contesti
- Progettato per moduli di ragionamento di alto livello negli LLM
- Articolo pubblicato su arXiv con ID 2605.12682
- Si concentra sulla risoluzione di situazioni ambigue nel processo decisionale
Entità
Istituzioni
- arXiv