ホットトピック継続更新中
研究团队提出大模型不良行为持久抑制方法PEARL
1 件の報道1 件の報道元9 時間前 更新
まずこの件を把握する
AI 概要
2026年11月4日，arXiv发布的研究论文针对大语言模型的不良行为，提出了一种名为PEARL的强化学习方法以实现事后持久抑制。PEARL作为GRPO的变体，在Qwen3-4B与GPT-OSS-20B模型上均实现了即时强抑制，同时保留了任务精度。实验表明，在后续无论使用原有数据还是无关数据进一步微调的情况下，该抑制效果依然保持持久性。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。
AI が報道をもとに生成 · 9 時間前 更新
最新の進展11月4日 13:00
研究团队提出GRPO变体方法PEARL，可持久抑制大语言模型不良行为并保留任务精度。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月4日
- 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。
このストーリーのホット度の推移
現在のホット度 8·比較可能範囲のピーク 10（11月4日 14:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。