LoopWeaver 用分层偏好优化提升受限长文本生成

Yifan Zhu 等作者提出并发布 LoopWeaver，一种用于受限长文本生成的两阶段离线偏好优化分层工作流。其做法是：先由约束感知规划生成结构化计划，再用可行性过滤剔除无效计划，并以共享的确定性奖励为计划级和生成级 DPO 构建偏好对；推理时模型保持前馈，先生成并修订完整计划，过滤后按当前子计划与叙事上下文分段生成。 作者称，在四个 LongGenBench 风格结构化场景和多个开源骨干模型上，该方法的约束准确率与文本质量均有提升，代码与数据已公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。