human-preference

一条评论性推文，重点介绍了神经反馈强化学习（RLNF）。据称，这种方法仅利用脑信号来训练 AI 模型，使其符合人类偏好，超越了基于显式评分的反馈方式。

这篇文章讨论了AGI或ASI到来后哪些工作会幸存，重点关注涉及权威、人类偏好和法律责任的角色。

本文介绍了RM-EVAL，这是一个基于人类偏好数据训练的奖励模型，用于对语法错误纠正进行无参考的元评估，并展示了如何通过奖励引导的文本生成来改进GEC系统。

一位开发者构建了一个名为lolbench的基准测试，用于评估LLMs在理解与创作笑话方面的表现，揭示了模型在解释真实笑话时表现强劲，但在解释失败的笑话时表现不佳，并融入了人类投票进行偏好测试。

Artificial Analysis Image Editing Arena 已更新，扩展了编辑任务和用例，提供了一个全面的排行榜，根据人类偏好对各种图像编辑场景中的AI模型进行排名。

VA-Judger是首个用于联合视频-音频生成的奖励模型，它使用人类偏好反馈来评估整体质量，包括一个数据集和基准测试，并在应用于像LTX-2这样的模型时展示了人类偏好率的显著提升。

马克斯·普朗克智能系统研究所推出了 Comparity AI，一个基于人类偏好进行 LLM 排名的研究平台，提供免费访问前沿模型和个人排行榜的服务。

本文提出了一种文本到音乐生成系统，利用奖励条件、专家迭代和偏好调优，在120M参数模型中提升音频质量，该模型提交至ICME 2026 ATTM Grand Challenge。

文章指出AI取代人类员工的成本可能不低于真人，且人类天生喜欢与人互动，因此大规模AI替代面临成本和用户体验两大障碍。