plackett-luce

本文研究了当 AI 购物助手决定消费者看到哪些产品时的零售商品组合优化问题，并利用基于主流 AI 模型估计的 Plackett–Luce 模型来刻画 AI 的排序行为。研究发现，忽视 AI 的中介作用会导致 2.52%–11.37% 的收入损失，并提出了一种简单的确定性代入方法，可将损失控制在 0.53% 以下。

RLCD被解释为一种基于模式的Plackett–Luce目标函数，它推进了奖励建模从标量奖励到成对偏好再到多路校准决策，简化了对Jev的理解。

本文提出了MoPLEx算法，用于学习Plackett-Luce模型的混合体以处理AI对齐中的异构偏好，相比基线方法展示了聚类和排序准确率的提升。

本文提出一种用于LLM对齐的分布鲁棒列表级偏好优化方法，处理排序标签不确定性，具有可处理的目标函数和强收敛性保证。