使用监督措施提升 LLM 分布对齐
计算与语言
2026-04-22 v4
摘要
准确地将 LLM 与不同人群在主观问题上的对齐能力将大具价值。在本工作中，我们展示，通过添加简单的监督措施，能够更一致地提高 LLM 生成分布与不同人群的对齐程度，这种对齐程度基于三个数据集：公共卫生、公共意见和价值观与信仰。在评估平均对齐程度之外，我们也报告了对齐程度在特定群体中的差异情况。我们的广泛发现为 LLM 生成与不同人口的分布对齐提供了洞见。通过对多种 LLM 和提示策略进行评估，我们提供了一个基准，以激励未来的研究。
引用
@article{arxiv.2507.00439,
title = {Improving the Distributional Alignment of LLMs using Supervision},
author = {Gauri Kambhatla and Sanjana Gautam and Angela Zhang and Alex Liu and Ravi Srinivasan and Junyi Jessy Li and Matthew Lease},
journal= {arXiv preprint arXiv:2507.00439},
year = {2026}
}
备注
ACL Main 2026