MATO：免训练多目标个性化对齐框架

Linhao Luo 等作者提出免训练框架 MATO，用于大语言模型的多目标个性化对齐。该框架在解码阶段通过测试时优化调节多个目标的相对权重，无需修改模型参数，也不依赖外部奖励模型。 据作者描述，其奖励发现模块从主干 LLM 构建提示词衍生的代理奖励，权重优化模块则根据用户初始偏好和部分生成结果动态调整权重。作者称，在多个数据集和主干 LLM 上的实验显示，MATO 持续优于强基线，实现帕累托改进的多目标对齐与更强的可控性。

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。