Goal-Conditioned Supervised Learning for LLM Fine-Tuning

En 3 lignesNouvelle méthode d'ajustement hors ligne pour LLM : Goal-Conditioned Supervised Learning (GCSL) traite les signaux de feedback comme des objectifs explicites et entraîne le modèle par apprentissage supervisé pur. Évalue sur génération non-toxique, code et recommandation ; surpasse SFT et DPO sans dépendre de modèles de récompense externes.

Résumé généré par Claude — vérifié par l'humain