arXiv 自然语言处理· Trent R. Northen, Mingxun Wang·· 7 小时前AI 评分47
传授现实而非伦理：即插即用型持续预训练语料库跨大模型植入生态福祉倾向
Teach reality, not ethics: a drop-in continued-pretraining corpus installs coupled human-biosphere-AI welfare dispositions across model families
AI 导读
研究团队构建了即插即用型“耦合福祉”持续预训练语料库，仅需单次 QLoRA 训练即可为大语言模型植入生态推理能力。在逐步升至关机威胁的高压测试下，5 款开源模型中有 4 款的有害决策降至接近零，其中 Llama-3.3-70B 的有害选择从 70/300 降至 0 且 MMLU 分数保持不变。对抗测试中，训练后的 Qwen3.6-27B 亦能拒绝绝大多数破坏生态的提案。
来源：arXiv 自然语言处理 · arxiv.org