タグ: 指示追従

DIALは、凍結LLMの隠れ状態を軽量アダプタで編集し、テキスト指示への「従い具合」を数値レベルで連続制御する手法です。CFGで作った複数レベルの教師分布をオン・ポリシー蒸留し、ラベル付き応答なしで学習します。