AI模型对齐受微调期间在线数据选择的影响

一篇新的研究论文探讨了在AI模型的监督微调（SFT）过程中数据选择如何能够隐式地对其行为进行对齐，即使在偏好优化或强化学习步骤之前也是如此。研究表明，不同的在线数据选择方法，如随机、基于损失、基于质量和基于多样性的方法，尽管任务准确性相似，但会导致模型行为（如拒绝率和冗长性）出现显著差异。研究人员引入了对齐漂移审计（ADA）来量化这些由选择引起行为变化，并引入了对齐感知选择（AAS）作为管理这种漂移的诊断工具。 AI

影响 这项研究表明，在微调过程中仔细选择数据可以成为对齐AI行为的有力工具，有可能减少对广泛的训练后对齐步骤的需求。

排序理由 研究论文，详细介绍了一种新颖的AI对齐方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Aas
• Ada
• Alignment-Aware Selection
• Alignment Drift Auditing
• online data selection
• Raheem Jarbo
• reinforcement learning
• supervised fine-tuning

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →