跳到主要内容
检索

# GazeReward框架

1 篇关联报道

订阅更新
  1. arXiv

    注视点不再独占奖励信号:把眼动阅读时长摊成不对称分布,偏好预测准确率最高提升13.02%

    奖励模型训练中,眼动数据此前只挂在被直接注视的那个词元上,忽略了人阅读时注意力会覆盖注视点两侧一段区域。新做法把每个词元的预测总阅读时长按可学习的不对称高斯核分摊给邻近词元,再送入原有的注视特征投影与奖励模型。在OASST1上,Llama-3-8B-Instruct的GazeConcat设置准确率从68.38%升到74.73%,Llama-3-8B从69.23%升到74.81%;UltraFeedback上从65.65%升到74.20%。

已读完全部报道