**CroCo：基于自生成内容的跨语言对比偏好调优**

_CroCo: Cross-Lingual Contrastive Preference Tuning on Self-Generations_

> 该研究将一种在英语中已验证有效的对比偏好调优方法扩展至多语言环境。研究发现，在自生成内容上进行跨语言对比偏好调优（CroCo）无需特定语言的偏好标注即可实现迁移。基于英语训练的奖励模型能在多种语言中生成有效的语言内排名，在单语或多语设置下，该方法能在多数场景中提升模型性能，同时避免灾难性遗忘。实验表明，该方法在结构化任务和开放式生成任务中均取得了优于基线模型的表现，为多语言偏好调优指明了有前景的方向。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-27 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.26293)