研究团队提出大模型不良行为持久抑制方法PEARL

1. 13:00
   arXiv 自然语言处理

   持久抑制大语言模型的不对齐行为

   研究人员针对大语言模型的不良行为提出强化学习方法 PEARL，以实现事后的持久抑制。作为 GRPO 的变体，PEARL 在 Qwen3-4B 与 GPT-OSS-20B 上均实现了即时强抑制并保留任务精度，且在后续无论是原有数据还是无关数据的进一步微调下依然保持持久性。该方法在不良行为表现广泛且无法通过针对性 SFT 解决时收益最为显著。

Current heat 8·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.