Обучение обобщению пользовательской информации для персонализированного обучения подкреплению из обратной связи человека
arXiv:2507.13579v4 По мере расширения повседневных случаев использования ИИ-помощников большой языковой модели (LLM) становится все более важным персонализировать ответы, чтобы соответствовать предпочтениям и целям разных пользователей. В то время как обучение с подкреплением от обратной связи…