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
Mọi người thích nghi với cách họ nói chuyện với người trước mặt họ. Tuy nhiên, các mô hình trò chuyện có xu hướng trả lời bằng tiếng Anh tiêu chuẩn bất kể ngôn ngữ mà người dùng sử dụng. Một câu trả lời đồng nhất có thể che giấu xem liệu đào tạo có đối xử với những người dùng này giống nhau hay không, và kiểm toán đầu ra cũng không thể nói được. Chúng tôi theo dõi cách mỗi giai đoạn sau khi đào tạo, từ điều chỉnh tinh tế được giám sát (SFT) đến tối ưu hóa ưu tiên (DPO) và học tập tăng cường, thay đổi xu hướng của một mô hình để phù hợp với người dùng, và đọc những gì mỗi bản cập nhật thích từ hai câu trả lời phù hợp nội dung, một phù hợp với người dùng và một không.
Machine translation (Meta M2M100); the English original follows.
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
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28474, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange