Stackelberg Alignment 框架细节：老虎机领导者+声誉加权互评
shangbinfeng · x · 2026-10-20
Stackelberg Alignment 框架说明帖：将多 LLM 协同对齐建模为 Stackelberg 博弈。领导者是一个多臂老虎机，承诺模型对垒所用 prompt，按指令难度与区分度获得奖励；跟随者是各语言模型，对选中 prompt 作答并互相评判（以声誉加权：胜者声誉上升、败者下降），再通过 DPO 或 GRPO 从偏好信号中学习。
所属事件:Stackelberg Alignment：把多模型分歧变成协同训练信号(5 条相关)→
「研究」频道最新
- Turing Post 精选本周必读论文:Cortex、Librarian Agents 等 15 篇 — TheTuringPost · 2026-10-20
- MTSQL-R1 框架直击多轮 Text-to-SQL 短视痼疾 — burkov · 2026-10-20
- 机器人控制辨析：IK 不保证精度，瓶颈在硬件而非求解器 — ChongZzZhang · 2026-10-20
- 机器人精度瓶颈在硬件而非求解器：一次 MPC vs RL 实测 — ChongZzZhang · 2026-10-20
- 用 Codex 花 160 万 token 跑 MPC 与 RL 末端跟踪对比 — ChongZzZhang · 2026-10-20
- 审计发现 Terminal Bench 4 已近饱和：65 个任务 60 个有问题 — scaling01 · 2026-10-20