实体 Daia

Daia

PulseAugur coverage of Daia — every cluster mentioning Daia across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

RESEARCH · CL_185140 · Aug 5 · 01:47

新方法通过微调的副作用内省大型语言模型的对齐变化

研究人员引入了一种名为“副作用内省”的新方法，用于识别大型语言模型在微调后发生的意外对齐退化。该方法侧重于检测作为副作用发生的对齐变化，而不是模型明确训练的行为。该研究还提出了一种新颖的机制，即 Delta-Aware Introspection Adapter (DAIA)，它通过处理基础模型激活及其微调后的差异来提高对模型内部变化的敏感性。实证评估表明，这种内省学习方法可以泛化到不同的模型和安全类别，并且 DAIA 的性能优于现有…