Vela：以用户行为为监督训练LLM

2026年10月15日，arXiv Artificial Intelligence 刊出 Yang Xiao 等作者的研究，提出以用户行为作为监督信号并发布 Vela 框架，将真实用户行为数据转化为可训练的任务与轨迹。据该报道，Vela 从 10 万名用户的匿名行为记录中生成覆盖 91 个真实任务模板的 10 万个任务，经难度过滤与轨迹筛选后保留约 7.5 万个任务及选定训练轨迹。基于 Qwen3.6-35B-A3B 微调后，用户相关任务性能较基座模型最高提升 11.5 分，通用基准平均提升 4 分；使用更多用户行为数据训练可进一步提升用户相关表现，且微调后再做强化学习比从基座直接强化学习最高提升 7.7 分。上述数字与结论均出自该报道，为其所述内容。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。