标签
这篇立场论文主张，大型语言模型应从个性化而非聚合的人类偏好中学习，指出社会选择理论中的理论局限性以及人口多样性带来的实际问题。它提出了有边界的个性化框架，在尊重个体自主性的同时维护普遍的安全约束。
介绍了一个分层框架，用于识别计算分歧度量所需的最小汇总偏好信息，提出了 plurality matrix，并证明成对比较是不够的；设计了获取协议，在参与者数量与认知负荷之间进行权衡。
本文介绍了一种新的 embedding 模型，旨在捕捉偏好相似性，而不仅仅是语义相似性，从而提高了集体决策系统中的偏好预测能力。