SyRuP：通过奖励引导解码增强大语言模型的系统提示词遵循能力

SyRuP提出一种无需微调基础模型的推理时控制框架：利用系统提示词条件下的偏好数据训练交叉注意力奖励头，为候选 token 生成遵循度分数，再与基础模型 logits 及可选的对比信号结合重排 top-k 候选。论文称其在系统提示词遵循基准上优于多种提示和解码基线，但摘要未披露具体模型、数据集与提升幅度。