一项新研究探讨了适应主权企业语言模型的方法，重点关注本体增强蒸馏和情境性审计。研究人员使用本体和偏好对对 Qwen3.6-27B 模型进行了微调，在越南金融任务上实现了 0.90 的基础率，与 GPT-5 基线相当。然而，研究范围有限，无法得出关于等同性或优越性的明确结论。此外，开发了一种情境性审计方法，但一项试点研究未从残余情境性中发现有用的信号，表明现有证据不支持所测试方法的部署、安全或优越性主张。 AI
影响 这项研究为开发和审计主权企业语言模型提供了一个框架，可能影响需要数据驻留的受监管行业。
排序理由 该集群包含一篇详细介绍语言模型适应和审计方法研究的学术论文。
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.11948v1 Announce Type: new Abstract: Regulated financial institutions operating under data-residency rules need tenant-owned language models that can run inside the institution's perimeter. This paper combines two related FAOS studies into one mechanism-and-control art…
Regulated financial institutions operating under data-residency rules need tenant-owned language models that can run inside the institution's perimeter. This paper combines two related FAOS studies into one mechanism-and-control article. First, it reports a reduced-power proof-of…