Newest papers

Answering in the User's Variety: Calibrated Accommodation Pairs for Post-Training

Zhizhuo Kou, Heming Li, Jian Yang, Junyu Luo, Jingshu Peng, Sirui Han, Yike Guo · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28474 · open-access PDF

Spanish

Las personas se adaptan a cómo hablan con la persona delante de ellos. Sin embargo, los modelos de chat tienden a responder en inglés estándar independientemente del dialecto utilizado por el usuario. Una respuesta uniforme puede ocultar si el entrenamiento trata a estos usuarios de la misma manera, y las auditorías de salida no pueden decir también. Seguimos cómo cada etapa de post-entrenamiento, desde el ajuste fino supervisado (SFT) hasta la optimización de preferencias (DPO) y el aprendizaje de refuerzo, cambia la tendencia de un modelo para coincidir con el usuario, y lee lo que cada actualización prefiere de dos respuestas de contenido, una que coincide con el usuario y una que no. A través de 10 líneas abiertas del modelo, el post-entrenamiento

Machine translation (Meta M2M100); the English original follows.

Abstract

People adapt how they talk to the person in front of them. However, chat models tend to respond in Standard English regardless of the dialect used by the user. A uniform answer can hide whether training treats these users alike, and output audits cannot tell as well. We trace how each post-training stage, from supervised fine-tuning (SFT) to preference optimization (DPO) and reinforcement learning, changes a model's tendency to match the user, and read what each update prefers from two content-matched replies, one matching the user and one not. Across 10 open model lineages, post-training stan

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange