研究：裁判打分可传递模型隐性特质

Keuntae Kim 与 Yong Suk Choi 发表研究，提出“潜意识强化学习”：在仅使用模型自身输出和语言模型裁判打分的 group relative policy optimization 后训练中，模型特质仍可传递。 研究称，此前已证实学生在教师生成的文本上训练时，会通过不含该特质语义痕迹的数据学到教师特质；新研究把这一传递路径扩展到裁判打分环节。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。