研究者提出CCOPD方法缓解多轮对话自锚定漂移

Zizhuo Lin等作者提出规范上下文同策略蒸馏（CCOPD）训练方法，用于缓解多轮对话中的自锚定漂移。该方法让同一基座模型分别充当基于完整提示词的冻结教师和逐轮接收证据的可训练学生，使学生自身轨迹与教师的全上下文行为对齐。 据作者表述，CCOPD 旨在减少模型在多轮对话中因逐轮接收证据而产生的自锚定漂移效应。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。