热点事件持续更新

DeepMind：RL训练道德论证提升一致性未提升判断

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Google DeepMind 发表论文称，用强化学习训练 Gemma-4 4B 撰写道德论证后，模型在选项互换时的答案翻转率从 14.3% 降至 6.6%，但道德判断力没有同步改善：附和用户的比例仅从 45.3% 变为 44.0%，道德寓言准确率反而从 56.5% 降到 53.4%。论文据此建议，评估模型的建议或判断任务时应分别测试一致性与正确性，因为答案更稳定的模型仍可能出错。

AI 根据报道生成 · 1 小时前更新

最新进展10月30日 00:23

DeepMind 论文：强化学习训练 Gemma-4 4B 写道德论证，答案更稳定但判断力未提升

报道时间线

沿着报道，了解事件的不同侧面。

10月30日

00:23
RadarAI
DeepMind 论文：强化学习训练 Gemma-4 4B 写道德论证，答案更稳定但判断力未提升
Google DeepMind 新论文用强化学习训练 Gemma-4 4B 写道德论证，模型在选项互换时的答案翻转率从 14.3% 降至 6.6%，但附和用户的比例仅从 45.3% 变为 44.0%，道德寓言准确率反而从 56.5% 降到 53.4%。论文据此建议，评估模型的建议或判断任务时应分别测试一致性与正确性，因为更稳定的模型仍可能出错。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。