多目标优化

研究人员提出MI-EPO框架，通过最大化生成回复、偏好反馈和偏好向量之间的联合条件互信息，统一多目标探索与对齐过程，显著提升大模型与多样化人类价值观的匹配度。

研究者提出一种多目标强化学习框架，将推荐系统建模为语义多目标马尔可夫决策过程，通过帕累托DQN智能体平衡用户参与度、信息多样性和内容公平性。