PLC-DPO: Posterior Label Correction in Noisy and Ambiguous Preference Optimization

• 类型：arxiv
• 标识：2608.30597
• 链接：https://arxiv.org/abs/2608.30597
• 主分类：engineering
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：PLC-DPO is proposed to robustly optimize preferences by routing each pair's training signal as a clean, flip, or tie case, which reframes noisy preference learning as actively correcting supervision direction and strength rather than merely filtering suspicious examples.
• OpenAlex ID：W7204885170
• OpenAlex DOI：10.48550/arxiv.2608.30597
• DOI：10.48550/arxiv.2608.30597
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.30597
• OpenAlex更新：2026-09-15
• 待LLM分类：否
• 标题中文：PLC-DPO：噪声与模糊偏好优化中的后验标签修正
• TLDR中文：PLC-DPO 将每个偏好对的训练信号路由为 clean、flip 或 tie 三类，将噪声偏好学习从单纯过滤可疑样本重构为主动修正监督方向与强度。
• 来源文件：
• /inbox/tom/_candidates/2026-09-14-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]