虽然后期培训提高了大型语言模型（ LLM ）的能力，但它通常会降低其输出多样性和创造力，对明确需要创造力的任务（例如，故事生成）以及隐含需要创造力的任务（例如，强化学习（ RL ） ）产生负面影响。相反，我们提出了CreativeInstruct ，这是一种可扩展的指令调整方法，可教导LLM

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2608.07460v1)获取最准确的信息。

---
🔗 **原文链接**: [CreativeInstruct: Scalably Teaching LLMs to Balance Quality,](https://arxiv.org/abs/2608.07460v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Ananya Sahu, Mohit Bansal, Elias Stengel-Eskin

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-08-10 22:01