Buchumschlag

Personalized Adaptation via In-Context Preference Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lau, Allison, Choi, Younwoo, Balazadeh, Vahid, Chidambaram, Keertana, Syrgkanis, Vasilis, Krishnan, Rahul G.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sequential Decision Making with Expert Demonstrations under Unobserved Heterogeneity
von: Balazadeh, Vahid, et al.
Veröffentlicht: (2024)

Direct Preference Optimization With Unobserved Preference Heterogeneity: The Necessity of Ternary Preferences
von: Chidambaram, Keertana, et al.
Veröffentlicht: (2024)

Teaching LLMs How to Learn with Contextual Fine-Tuning
von: Choi, Younwoo, et al.
Veröffentlicht: (2025)

Direct Preference Optimization with Unobserved Preference Heterogeneity: The Necessity of Ternary Preferences
von: Chidambaram, Keertana, et al.
Veröffentlicht: (2025)

IV-ICL: Bounding Causal Effects with Instrumental Variables via In-Context Learning
von: Balazadeh, Vahid, et al.
Veröffentlicht: (2026)

Order-based Structure Learning with Normalizing Flows
von: Kamkari, Hamidreza, et al.
Veröffentlicht: (2023)

Discovering Hierarchical Latent Capabilities of Language Models via Causal Representation Learning
von: Jin, Jikai, et al.
Veröffentlicht: (2025)

SurvivalPFN: Amortizing Survival Prediction via In-Context Bayesian Inference
von: Qi, Shi-ang, et al.
Veröffentlicht: (2026)

Prescriptive Scaling Reveals the Evolution of Language Model Capabilities
von: Zhang, Hanlin, et al.
Veröffentlicht: (2026)

CausalPFN: Amortized Causal Effect Estimation via In-Context Learning
von: Balazadeh, Vahid, et al.
Veröffentlicht: (2025)

Frequentist Consistency of Prior-Data Fitted Networks for Causal Inference
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2026)

Preference Learning with Response Time: Robust Losses and Guarantees
von: Sawarni, Ayush, et al.
Veröffentlicht: (2025)

Adaptive Estimation and Inference in Conditional Moment Models via the Discrepancy Principle
von: Tan, Jiyuan, et al.
Veröffentlicht: (2026)

Causal Foundation Models with Continuous Treatments
von: Stith, Christopher, et al.
Veröffentlicht: (2026)

Post Reinforcement Learning Inference
von: Syrgkanis, Vasilis, et al.
Veröffentlicht: (2023)

AutoElicit: Using Large Language Models for Expert Prior Elicitation in Predictive Modelling
von: Capstick, Alexander, et al.
Veröffentlicht: (2024)

Structure-agnostic Optimality of Doubly Robust Learning for Treatment Effect Estimation
von: Jin, Jikai, et al.
Veröffentlicht: (2024)

Learning Causal Representations from General Environments: Identifiability and Intrinsic Ambiguity
von: Jin, Jikai, et al.
Veröffentlicht: (2023)

Do LLMs Recognize Your Preferences? Evaluating Personalized Preference Following in LLMs
von: Zhao, Siyan, et al.
Veröffentlicht: (2025)

Amulet: ReAlignment During Test Time for Personalized Preference Adaptation of LLMs
von: Zhang, Zhaowei, et al.
Veröffentlicht: (2025)

Boosting In-Context Learning in LLMs Through the Lens of Classical Supervised Learning
von: Gundem, Korel, et al.
Veröffentlicht: (2025)

The Partial Testimony of Logs: Evaluation of Language Model Generation under Confounded Model Choice
von: Jin, Jikai, et al.
Veröffentlicht: (2026)

Adversarial Estimation of Riesz Representers
von: Chernozhukov, Victor, et al.
Veröffentlicht: (2020)

Learning Treatment Representations for Downstream Instrumental Variable Regression
von: Lin, Shiangyi, et al.
Veröffentlicht: (2025)

SPARC: Subspace-Aware Prompt Adaptation for Robust Continual Learning in LLMs
von: Jayasuriya, Dinithi, et al.
Veröffentlicht: (2025)

Personalizing Reinforcement Learning from Human Feedback with Variational Preference Learning
von: Poddar, Sriyash, et al.
Veröffentlicht: (2024)

Statistical Inference and Learning for Shapley Additive Explanations (SHAP)
von: Whitehouse, Justin, et al.
Veröffentlicht: (2026)

Diversity Augmentation of Dynamic User Preference Data for Boosting Personalized Text Summarizers
von: Chatterjee, Parthiv, et al.
Veröffentlicht: (2025)

Sharp Structure-Agnostic Lower Bounds for General Linear Functional Estimation
von: Jin, Jikai, et al.
Veröffentlicht: (2025)

AMPO: Active Multi-Preference Optimization for Self-play Preference Selection
von: Gupta, Taneesh, et al.
Veröffentlicht: (2025)

Multi-Preference Optimization: Generalizing DPO via Set-Level Contrasts
von: Gupta, Taneesh, et al.
Veröffentlicht: (2024)

PRISP: Privacy-Safe Few-Shot Personalization via Lightweight Adaptation
von: Park, Junho, et al.
Veröffentlicht: (2026)

Online Adaptation of Language Models with a Memory of Amortized Contexts
von: Tack, Jihoon, et al.
Veröffentlicht: (2024)

Prompt Optimization via Adversarial In-Context Learning
von: Do, Xuan Long, et al.
Veröffentlicht: (2023)

End-To-End Causal Effect Estimation from Unstructured Natural Language Data
von: Dhawan, Nikita, et al.
Veröffentlicht: (2024)

FedPDPO: Federated Personalized Direct Preference Optimization for Large Language Model Alignment
von: Zhu, Kewen, et al.
Veröffentlicht: (2026)

General Preference Reinforcement Learning
von: Umer, Muhammad, et al.
Veröffentlicht: (2026)

Dynamic Local Average Treatment Effects
von: Sojitra, Ravi B., et al.
Veröffentlicht: (2024)

Pragmatic Feature Preferences: Learning Reward-Relevant Preferences from Human Input
von: Peng, Andi, et al.
Veröffentlicht: (2024)

MemRerank: Preference Memory for Personalized Product Reranking
von: Peng, Zhiyuan, et al.
Veröffentlicht: (2026)