arXiv cs.CL· Samarth Varshney, Ritu Yadav·· 4 小时前AI 评分47
StateWise：让语言模型追踪并遵守多轮对话中不断变化的约束
StateWise: Teaching Language Models to Track and Obey Evolving Constraints in Multi-Turn Dialogue
AI 导读
StateWise 用自我改进训练让单个 LLM 维护带 tombstone 的可修订约束状态，从而在多轮对话中持续遵守有效约束、不再执行已撤销约束。方法先微调模型做约束状态摘要与按状态回复，再用通过精确往返校验的自生成轨迹自训练，并加入针对约束"复发"（relapse）的偏好阶段。
来源：arXiv cs.CL · arxiv.org