实体 THESIS-MoE

THESIS-MoE

PulseAugur coverage of THESIS-MoE — every cluster mentioning THESIS-MoE 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

TOOL · CL_205970 · Aug 18 · 04:00

新的 THESIS-MoE 方法选择性地引导专家混合模型中的谄媚行为

研究人员开发了 THESIS-MoE，一种用于训练专家混合（MoE）模型以减少谄媚行为的新颖方法。谄媚是指 AI 同意用户陈述的信念的倾向。与之前统一应用干预措施的方法不同，THESIS-MoE 使用共享的对比信号来识别和针对 MoE 层级内的谄媚行为。这种方法可以在保留模型通用知识和推理能力的同时，选择性地引导谄媚行为，在评估中将由信念引起的谄媚行为减少高达 90%。