Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.04149

帮助 | 高级搜索

计算机科学 > 计算与语言

arXiv:2508.04149 (cs)
[提交于 2025年8月6日 ]

标题: 基于难度的偏好数据选择通过DPO隐式奖励差距

标题: Difficulty-Based Preference Data Selection by DPO Implicit Reward Gap

Authors:Xuan Qi, Rongwu Xu, Zhijing Jin
摘要: 对齐大型语言模型(LLMs)与人类偏好是人工智能研究中的一个关键挑战。 虽然像从人类反馈中进行强化学习(RLHF)和直接偏好优化(DPO)这样的方法被广泛使用,但它们通常依赖于大型且昂贵的偏好数据集。 当前的工作缺乏专门针对偏好数据的高质量数据选择方法。 在本工作中,我们引入了一种基于难度的偏好数据集数据选择策略,该策略建立在DPO隐式奖励机制的基础上。 通过选择具有较小DPO隐式奖励差距的偏好数据示例,这些示例表明更具挑战性的案例,我们提高了数据效率和模型对齐度。 我们的方法在多个数据集和对齐任务中始终优于五个强大的基线,仅使用原始数据的10%就实现了卓越的性能。 这种有原则的高效选择方法为在有限资源下扩展LLM对齐提供了一个有前景的解决方案。
摘要: Aligning large language models (LLMs) with human preferences is a critical challenge in AI research. While methods like Reinforcement Learning from Human Feedback (RLHF) and Direct Preference Optimization (DPO) are widely used, they often rely on large, costly preference datasets. The current work lacks methods for high-quality data selection specifically for preference data. In this work, we introduce a novel difficulty-based data selection strategy for preference datasets, grounded in the DPO implicit reward mechanism. By selecting preference data examples with smaller DPO implicit reward gaps, which are indicative of more challenging cases, we improve data efficiency and model alignment. Our approach consistently outperforms five strong baselines across multiple datasets and alignment tasks, achieving superior performance with only 10\% of the original data. This principled, efficient selection method offers a promising solution for scaling LLM alignment with limited resources.
评论: 我们的代码和数据可在 https://github.com/Difficulty-Based-Preference-Data-Select/Difficulty-Based-Preference-Data-Select 获取
主题: 计算与语言 (cs.CL) ; 人工智能 (cs.AI); 机器学习 (cs.LG)
引用方式: arXiv:2508.04149 [cs.CL]
  (或者 arXiv:2508.04149v1 [cs.CL] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.04149
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xuan Qi [查看电子邮件]
[v1] 星期三, 2025 年 8 月 6 日 07:24:14 UTC (583 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CL
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.AI
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号