BridgeAlign：架起人文与社会科学偏好协调的桥梁

虽然 大语言模型 (LLM) 的数据合成很普遍，但它主要针对具有可验证答案的领域，忽略了开放式人文和社会科学 (HSS)，在这些领域，细致入微的质量判断比客观正确性更重要。这使得偏好对齐成为广泛的 HSS 任务的自然范例。然而，现有方法要么成本高昂，要么不适合广泛的 HSS 学科。因此，我们提出 BridgeAlign，它是广泛的 HSS 学科的第一个偏好对齐管道之一，分为三个阶段： i) 种子管理：通过基于启发式/LLM 的过滤和文本细化，从网络语料库中管理 HSS 种子文档； ii) 偏好数据合成：通过基于角色的指令反转和问答一致性检查生成偏好三元组； iii) 偏好优化：首先将偏好建立在 HSS 质量标准中，然后通过受控质量降级生成过渡响应，形成近边界偏好对，以实现更细粒度的质量区分，从而超越朴素的人类与模型启发法。 BridgeAlign 比对了超过 21 万个综合偏好样本，使 Qwen3-8B 能够在 17 个基准测试中针对 11 个强基线实现最佳平均值；重要的是，同时引领人类偏好和基于知识的能力，并且它们之间没有权衡，得到广泛实验的支持并得到现有理论的背景。