CARD 框架：聚类 LoRA + 奖励引导解码实现可扩展 LLM 个性化
Yutong Song · hf · 2026-09-28
CARD 提出一种分层框架，解决 LLM 个性化在细粒度定制与可扩展部署之间的矛盾。
- 聚类适配：先按共享风格模式对用户聚类，为每组训练 LoRA 适配器，保证泛化与低资源表现。
- 隐式偏好学习：通过对比用户自写文本与组内生成结果推断个人风格偏好，无需人工标注。
- 推理期注入：基座模型完全冻结，仅在解码阶段通过轻量用户偏好向量与低秩 logit 修正注入个性化。
在 LaMP 和 LongLaMP 基准上，CARD 生成质量优于基线，同时显著提升效率与可扩展性。
「研究」频道最新
- Yoav Goldberg 质疑:新模型发布两周 arXiv 已涌现 29 篇论文 — yoavgo · 2026-09-28
- 数据效率被视为人类最后优势,但海量喂料仍是最便宜路径 — himanshustwts · 2026-09-28
- 北大与谷歌提出 Harness-Zero:把 Agent 框架蒸馏进模型权重 — AxSaucedo · 2026-09-28
- MultiFlow 用耦合流匹配预测单细胞多组学扰动响应 — burny_tech · 2026-09-28
- BRLabs 把「计算生命」自复制程序实验搬进浏览器并开源 — zzznah · 2026-09-28
- 耶鲁等团队发布 Pop-Corn,预测基因扰动对细胞群体构成的影响 — burny_tech · 2026-09-28