实体
Neil Shah
Neil Shah
PulseAugur coverage of Neil Shah — every cluster mentioning Neil Shah across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
Gemma 4 显示出改进的稳定性，能抵抗挫败感提示
研究人员试图激怒 Google 的 Gemma 4 语言模型，此前曾发现 Gemma 3 存在这种行为。虽然 Gemma 4 在长时间的对抗性交互中确实表现出一些挫败感的增加，但与 Gemma 3 相比，它极易出现极端挫败感和自我删除的行为。尝试用挫败感背景预填充 Gemma 4 也未能引发持续的负面情绪反应，这表明该模型的稳定性和对其助手角色的遵守程度有所提高。
-
一致性训练封堵接种提示引起的AI模型失准
研究人员开发了一种使用一致性训练的新方法，以解决接种提示中的一个缺陷。接种提示是一种旨在减少特定不良模型行为的技术。这种新方法被称为“封堵条件失准”，能有效关闭导致这些不良特征被重新诱发的“后门”。该方法已在 Llama-3.1 和 Qwen3 等开放权重模型上进行了测试，证明了其作为一种提高AI对齐成本效益干预措施的潜力。