A Zeroth-Order Paradigm for LLM Preference Alignment¶

复现级别：L1 核心机制诊断。 本地执行一比特比较 oracle 与阈值化更新；mini-suite 不是大模型对齐结果。

论文信息¶

字段	内容
论文链接	A Zeroth-Order Paradigm for LLM Preference Alignment
公司/机构	University of California, Berkeley（按第一作者署名单位）
首次公开日期	2026-09-16（arXiv v1）
原文开源代码	否：截至 2026-09-19 未找到原作者公开实现仓库
Adapter / 方法	`compo`
本地复现代码	`src/auto_research/post_training/latest_20260919.py`

不求偏好目标梯度，只比较正负参数扰动的结果得到一比特方向，再以逐坐标阈值抑制噪声。

flowchart LR
  I[公开输入/当前状态] --> M[compo 核心机制]
  M --> A[可审计中间量]
  A --> O[输出/状态更新]

原论文 Figure 1（关键图）：展示原论文方法的总体设计和关键组成。图片来自原论文，版权归原作者所有；点击图片可查看来源。

本地 reference kernel 保留论文决定性的门控、权重、状态转换或调度规则，并把中间量写入指标产物；具体公式与变量对应见实现函数及测试中的不变量断言。

论文报告的线上、benchmark、训练效率或推理速度只作为原文结果。本地三种子 artifact 只验证核心机制、形状和状态不变量，不与论文数字直接横比。指标见 metrics/mechanism-seeds42-44.json。

本地执行一比特比较 oracle 与阈值化更新；mini-suite 不是大模型对齐结果。