English(EN) How Does Post-Training Shape LLM Value Preferences?

研究发现：LLM的价值偏好受训练后方法塑造

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-27 04:00

一篇新的arXiv论文研究了训练后方法如何影响大型语言模型（LLM）的价值偏好。研究人员发现，不同的训练后路径，包括SFT、DPO和GRPO，会不同程度地放大语料库中的意见不平衡。研究还表明，一旦偏好被放大，其移除取决于具体的训练后方法和语料库的意见混合。此外，这些学习到的偏好可以通过蒸馏转移到学生模型，即使在蒸馏语料库中没有明确的意见问题。 AI

影响探讨了训练数据和方法如何将偏见嵌入LLM，影响其可靠性和公平性。

排序理由关于LLM训练方法和偏见的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 10 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 关于LLM训练方法和偏见的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Yang Liu, Shaoyang Xu, Masahiro Kaneko, Chengzhi Zhong, Wenxuan Zhang, Chenhui Chu · 2026-10-27 04:00

训练后如何塑造大型语言模型的价值偏好？

arXiv:2610.33371v1 Announce Type: new Abstract: During post-training, large language models (LLMs) learn value preferences from corpora that may contain imbalanced proportions of opinions associated with different demographic groups. Amplifying these imbalances may further underr…

本文如何被排名

报道来源 [1]

训练后如何塑造大型语言模型的价值偏好？

相关实体

相关话题