南加大提出TOPL方法提升大模型生成忠实度

南加州大学研究人员提出了一种名为TOPL（Token-Level Off-Policy Labeling）的新方法，旨在解决大语言模型在分布偏移下的生成忠实度问题。该研究即将在COLM 2026发表，其核心思路是将生成过程转化为分类任务，并引入token级别的奖励模型。这种创新的范式转变有效提升了语言模型在分布外（OOD）场景下的泛化能力与生成可靠性。

2026-08-01 ~ 2026-08-01 · 2 条相关