论文Agent 与开发者多源确认18:30高频令牌掩码优化直接偏好优化研究人员发现高频令牌会稀释偏好信号，提出ADPO方法通过掩码这些令牌，在不增加计算成本的情况下提升了模型对齐效果。#DPO#ADPO#Qwen-2.5#Llama-35 个信源在谈事件专题aarXiv: Anthropic@Harshvardhan Saini 等 4 人6 个信源在谈原文稍后读已读值得跟进有用关注 DPO