Настройка предпочтений с помощью обратной связи человека по задачам языка, речи и зрения: обзор.

Preference Tuning with Human Feedback on Language, Speech, and Vision Tasks: A Survey

September 17, 2024

Авторы: Genta Indra Winata, Hanyang Zhao, Anirban Das, Wenpin Tang, David D. Yao, Shi-Xiong Zhang, Sambit Sahu

cs.AI

Аннотация

Настройка предпочтений является ключевым процессом для согласования глубоких генеративных моделей с человеческими предпочтениями. Этот обзор предлагает подробное изучение последних достижений в области настройки предпочтений и интеграции обратной связи от людей. Статья разделена на три основных раздела: 1) введение и предварительные сведения: введение в рамки обучения с подкреплением, задачи настройки предпочтений, модели и наборы данных в различных модальностях: язык, речь и зрение, а также различные подходы к политике, 2) детальное рассмотрение каждого подхода к настройке предпочтений: подробный анализ методов, используемых в настройке предпочтений, и 3) приложения, обсуждение и перспективы: исследование применения настройки предпочтений в последующих задачах, включая методы оценки для различных модальностей, а также перспективы будущих исследований. Наша цель - представить последние методологии в области настройки предпочтений и выравнивания моделей, способствуя пониманию этой области исследования для исследователей и практиков. Мы надеемся стимулировать дальнейшее вовлечение и инновации в этой области.

English

Preference tuning is a crucial process for aligning deep generative models with human preferences. This survey offers a thorough overview of recent advancements in preference tuning and the integration of human feedback. The paper is organized into three main sections: 1) introduction and preliminaries: an introduction to reinforcement learning frameworks, preference tuning tasks, models, and datasets across various modalities: language, speech, and vision, as well as different policy approaches, 2) in-depth examination of each preference tuning approach: a detailed analysis of the methods used in preference tuning, and 3) applications, discussion, and future directions: an exploration of the applications of preference tuning in downstream tasks, including evaluation methods for different modalities, and an outlook on future research directions. Our objective is to present the latest methodologies in preference tuning and model alignment, enhancing the understanding of this field for researchers and practitioners. We hope to encourage further engagement and innovation in this area.