onPanda：用 token 级修正高效标注 LLM 与 Agent 的 on-policy 对齐数据
一篇教你怎么标注 on-policy 对齐数据的论文，思路是在 token 层面做修正，LLM 和 Agent 都适用，做对齐训练的可以看看。
#onPanda
共 2 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「onPanda」标签的资讯、产品与论文，按刊登时间排，新的在上。
9月23日
9月22日
onPanda：token 级纠正标注对齐数据，中位标注时间省 52%
标注对齐数据不用整段重写，定位到第一个错 token 改掉让模型接着生成，实验里中位时间省 52%，还附了 Panda-CVL 数据集。