LEMUR 相关 AI 资讯 · AI 热点

8月3日

10:14

10:14

官方账号arXiv cs.AI@Manith Adikari, Bei Peng, Samuele Vinanzi, Angelo Cangelosi

LEMUR是一个新框架，让智能体从多个人的偏好反馈中学习多目标策略，无需预先定义奖励函数。它同时学习策略和多个目标专属的奖励模型，在训练中平衡竞争目标。在多种多目标任务基准上，LEMUR的表现优于现有基线方法。这项研究为无预设奖励的多目标决策任务提供了新方向。

论文 LEMUR 多目标强化学习偏好反馈

推荐理由：这是篇新论文，LEMUR能直接从多人偏好学多目标策略，不用设奖励函数，基准上比现有方法强。

6月11日

23:56

23:56

Milvus@milvusio

LEMUR 是一种将多向量压缩为单向量的策略，声称无需调参、数据驱动。但研究发现，在文档长度差异大的语料（如 LoTTE，长度范围 400 倍）上，LEMUR 会学习到“长文档得分更高”的偏差，导致按长度而非相关性排序。在 LoTTE 上，LEMUR 的 nDCG@10 仅 0.109，召回率 30.5%，而 Exact MaxSim 方法达 0.722 和 98%。问题根源在于 LEMUR 的训练标签（MaxSim 分数）天然偏向长文档，MLP 学到了长度信号。建议用户检查语料的长度分布（P90/P10 比）和模型的可分离性（MaxSim 标准差），若长度差异大或可分离性高，应改用 TokenANN 或 MUVERA。已使用 LEMUR 的团队可通过长度分层采样缓解偏差。

论文向量检索多向量压缩长度偏差

推荐理由：做向量检索的团队注意了——LEMUR 在长尾语料上会悄悄按文档长度排序而非相关性，LoTTE 上召回率从 98% 掉到 30.5%。如果你的语料长度差异大（P90/P10 > 20），建议先跑文中的两个检查再决定是否用 LEMUR。