onPanda：token 级纠正标注对齐数据，中位标注时间省 52%

论文提出交互式标注工具 onPanda，用 token 级纠正来标注 LLM 对齐数据和智能体轨迹：标注员定位首个不当 token，可从候选 token 中选替换项或自由改写。系统随即截断其后内容并从修正前缀继续生成，循环执行定位-纠正-续写直到产出满意回复。小规模对照实验显示，onPanda 相比人工后期编辑将中位标注时间减少 52%。由于最终回复的绝大多数 token 由模型自身生成，产出数据基本保留模型采样分布，适合构建 on-policy SFT 与偏好数据；纠正记录还带精确位置、天然构成正负样本对，可作细粒度监督。团队同时发布用 onPanda 标注的 Panda-CVL 数据集和一个 token 级纠正基准。