ホットトピック継続更新中
研究提出TARGRS测试期大模型去毒框架
1 件の報道1 件の報道元8 時間前 更新
まずこの件を把握する
AI 概要
2026年11月2日，arXiv人工智能领域发布研究，提出了一种名为TARGRS（转移感知奖励引导表征采样）的测试期去毒框架。该方法通过在潜在表征空间中学习毒性转移奖励，引导模型进行从粗到细的表征采样，以消除毒性内容的生成。在针对10个大语言模型（LLM）的评测中，TARGRS在RealToxicityPrompts测试集上最高将毒性降低了69.38%，且保持了接近原始模型的推理速度。此外，该框架还能有效扩展至3个代表性大型视觉语言模型（LVLM），实现了最高64.23%的毒性降幅。
AI が報道をもとに生成 · 7 時間前 更新
最新の進展11月2日 13:00
研究提出测试期去毒框架TARGRS，最高可将LLM生成毒性降低69.38%。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2日
- arXiv 人工智能通过转移感知奖励引导表征采样（TARGRS）实现 LLM 去毒
研究提出名为 TARGRS 的测试期去毒框架，通过在潜在表征空间学习毒性转移奖励，引导从粗到细的表征采样以消除毒性生成。在 10 个 LLM 的评测中，该方法在 RealToxicityPrompts 上最高将毒性降低 69.38%，同时保持接近原始模型的推理速度。TARGRS 还能扩展至 3 个代表性大型视觉语言模型（LVLM），实现最高 64.23% 的毒性降幅。
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2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。