热点事件持续更新
研究团队提出大模型不良行为持久抑制方法PEARL
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 6 小时前更新
最新进展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。报道时间线
沿着报道，了解事件的不同侧面。
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。
本事件热度走势
当前热度 8·可比范围峰值 10（11月4日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。