Yangyang Feng, Jianle Gan, Zhuoyan Feng, Chengwei Qin · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31521 · open-access PDF
في كثير من الأحيان، يصبح التفضلات الفردية مرئية فقط بعد التطبيق، عندما يوافق المستخدم قرارًا واحدًا أو يرفضه بدلاً من ذلك. يُعطي التطبيقات المكتوبة بالطريقة اليابانية هذه الترجمة بشكل واضح عن طريق تحديد العمليات المختارة، وعن طريق الإلغاء، فإن القرار يتغير. ونحن ندرس كيف تتوقف هذه النتائج على طلبات مثل التعلم المستمر على مستوى القرار من التعليقات المكتوبة (Jev-DLC). ويحافظ Jev-DLC على كل تصحيح كأدلة على هوية العمليات المتكررة ومصلحة بين الخيارات المفضلة والرديئة.
Machine translation (Meta M2M100); the English original follows.
Individual preferences often become visible only after deployment, when a user accepts one decision or revokes it in favor of another. Jev-style typed interfaces make this feedback explicit by identifying the selected action and, under revocation, the decision it replaces. We study how these consequences persist across requests as Decision-Level Continual Learning from Typed Feedback (Jev-DLC). Jev-DLC treats each correction as both evidence about a recurring action identity and a directed relation between the preferred and rejected choices. It preserves these signals in complementary bounded
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=2610.31521, 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