Apple 发论文刻画语言模型对齐理论极限

Apple 机器学习团队发布 NeurIPS 论文《Theoretical Limits of Language Model Alignment》，首次在 KL 正则化预算约束下刻画语言模型对齐的理论极限，并推导出对齐收益的闭式解。研究显示，PPO、GRPO 等主流强化学习方法的实际对齐效果远逊于理论上限，引发业界对现有对齐技术差距的关注。

2026-11-13 ~ 2026-11-13 · 2 条相关