Newest papers

Jev-DLC: Decision-Level Continual Learning from Typed Feedback

Yangyang Feng, Jianle Gan, Zhuoyan Feng, Chengwei Qin · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31521 · open-access PDF

French

Les préférences individuelles ne deviennent souvent visibles qu'après le déploiement, lorsque l'utilisateur accepte une décision ou la révoque en faveur d'une autre. Les interfaces typées de style Jev rendent ce feedback explicite en identifiant l'action sélectionnée et, sous révocation, la décision qu'elle remplace. Nous étudions comment ces conséquences persistent sur les demandes telles que l'apprentissage continu au niveau de la décision à partir de la rétroaction typée (Jev-DLC). Jev-DLC traite chaque correction comme une preuve à la fois d'une identité d'action récurrente et d'une relation dirigée entre les choix préférés et rejetés.

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

Abstract

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

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