onPanda：用 token 级修正高效标注 LLM 与 Agent 的 on-policy 对齐数据

onPanda Efficient Annotation of On-Policy Alignment Data for LLMs and Agents via Token-Level Correc...

AK@_akhaliq

推文· 2 个信源在谈

查看原推分享

onPanda 是一篇关于对齐数据标注方法的研究，核心是通过 token 级修正（Token-Level Correction）来标注 on-policy 数据。方法面向 LLM 和 Agent 两类场景，替代了传统对完整生成结果做标注的方式。论文已发布在 Hugging Face Papers 上，编号 2609.24。