controlled-generation

本文提出COBART方法，通过前缀控制令牌对BART进行微调，生成可控制长度并优化点击率（CTR）的广告标题，相较于之前的基线，ROUGE-L提升25.82%，预估CTR提升5.82%。

本文系统研究了导向向量在受控文本生成中的局限性，发现其有效性在不同特质间存在差异，在任务迁移中会退化，并面临组合权衡问题。

本文研究了微调视觉语言模型生成稠密坐标列表如何创建可控干涉面，发现可移除重复压力而不牺牲定位精度。

本文提出了一种神经元级干预方法，识别语言模型中的性别特定神经元（女性、男性、性别中立），并在保留语义的同时引导句子生成朝向目标性别形式，实验表明该方法可实现精确控制并缓解偏见。

本文识别了组合奖励下引导流模型中的流形外漂移，并提出冲突感知加性引导（CAR），这是一种轻量级方法，可动态解决梯度冲突，从而无需重新训练即可提升生成保真度。

本文介绍了一种新颖的自适应调度器，用于利用稀疏自编码器引导离散扩散语言模型，结果表明，基于特定属性提交时机进行针对性干预，比均匀方法能提升控制质量和强度。