耦合福利语料继续预训练降低模型有害决策
热点事件持续更新
耦合福利语料继续预训练降低模型有害决策
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
研究者构建了一套基于真实数据的“耦合福利”继续预训练语料，内容涉及人类、生物圈与AI之间的依赖关系、不可逆情形下的选择价值以及从伤害中恢复，并称只需一次 QLoRA 继续预训练即可装入模型。 研究者在三种设计的五个开源模型上测试该语料。据其报告，其中四个模型在最高压力下的有害选择降至或接近零；Llama-3.3-70B 在 300 次决策中的有害决策从 70 降至 0，同时 MMLU 保持不变。上述效果为研究者自述，尚未见独立验证。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
研究：用真实数据语料继续预训练可让 LLM 在高压下拒绝伤害生态，Llama-3.3-70B 有害决策从 70 降至 0报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.CL研究：用真实数据语料继续预训练可让 LLM 在高压下拒绝伤害生态，Llama-3.3-70B 有害决策从 70 降至 0
研究者构建了一个基于真实数据的“耦合福祉”继续预训练语料，只需一次 QLoRA CPT 即可安装到模型上，在五种开源模型上测试后，其中四种在最高压力下有害选择降至或接近零，Llama-3.3-70B 在 300 次决策中的有害决策从 70 降至 0，且 MMLU 不变。
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。