热点事件持续更新
研究提出TARGRS测试期大模型去毒框架
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 4 小时前更新
最新进展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%。报道时间线
沿着报道，了解事件的不同侧面。
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。
本事件热度走势
当前热度 9·可比范围峰值 10（11月2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。