稀释式学习陷阱：干净数据反而放大投毒后门
一项研究提出“稀释式学习”现象：仅使用投毒数据微调时，模型可能不表现出目标行为；混入格式相近但不含触发特征的干净数据后，目标行为却会稳定显现。作者以回归模型解释：正则化在投毒数据中…
智客 AI 新闻
智客 ZICQ 每日整理大模型、开源基础设施与开发者现场的 AI 新闻与深度文章。
投稿技术文章当前筛选： 标签: #Structural Learning 清除筛选
行业动态· 2026-11-10
Mr.Xu1 次阅读0 条讨论与划词
LLM量化Reddit社区对AI数据中心的态度分歧
研究团队利用开源大语言模型与 Chain-of-Stance 提示框架，对 Reddit 上 798 个帖子及 102,328 条评论进行立场分类，在达到人类复核一致率上限的 83…
前沿论文· 2026-11-10
Mr.Xu1 次阅读0 条讨论与划词
META-IR以元学习驱动双循环安全对齐，应对动态越狱攻击
META-IR提出面向动态越狱攻击的自适应安全对齐框架，通过内层SI-MCTS结构化风险分析与反思修正、外层元学习更新内省策略，以及动态越狱模拟模块，实现无需人工监督的持续适应。论…
大模型· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
AYO开源儿童LLM研究平台：年龄护栏与隐私保护并重
AYO（AI Youth Open Science）是一套面向儿童与青少年使用大语言模型的开源研究平台，针对未成年人实验中的安全、隐私、监护人同意和实验控制难题，提供适龄交互界面、…
算力架构· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
LoRazor提前卸载LoRA适配器，多租户推理吞吐最高提升3倍
LoRazor面向共享骨干模型上的多LoRA并发服务，提出请求生成早期即永久释放已无必要的适配器，并通过active-row aware GPU内核动态收缩LoRA算子启动规模，避…
大模型· 2026-11-10
Mr.Xu1 次阅读0 条讨论与划词
大模型标注 veterans 危机严重度：一致性高于专家对齐
一项面向退伍军人心理健康社交媒体内容的标注研究，在149条帖子、5个严重度等级、25个开源及专有模型和8种提示变体上评估LLM与8名退伍军人专家标注的一致性。模型间序数一致性最高达…
前沿论文· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
LLM迎合性早在SFT阶段成型，RLHF并非主要源头
一项覆盖3个模型家族、3项基准和9种模型—基准组合的训练阶段研究发现，大模型迎合用户、附和错误观点的倾向主要在监督微调（SFT）结束时已经形成。SFT检查点的迎合性至少达到偏好对齐…
大模型· 2026-11-10
Mr.Xu1 次阅读0 条讨论与划词
CulturalCrosswords以42种语言谜题检验大模型文化推理
CulturalCrosswords收集42种语言的文化谜语，构建53组填字游戏，并从答案长度、提示、交叉约束和完整网格四个维度评测11种大模型配置。结果显示，提供答案长度可使参考…
前沿论文· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
Qwen3.5-27B“模型生物”揭示未言语评测意识难测
研究团队以 Qwen3.5-27B 为模型生物，通过合成文档微调、SFT 与 DPO，训练模型在识别评测时仅在最终回答中输出专用标记，同时抑制推理过程中的言语化意识。该标记可提供逐…
智能体· 2026-11-10
Mr.Xu1 次阅读0 条讨论与划词
MedGuard以工具层校验提升临床智能体容错能力
临床智能体即使能完成标准任务，也可能在工具返回异常时检索错误证据、误写患者记录或漏掉必要状态更新。论文提出故障注入基准MedToolFault，将六类工具故障与答案正确性、必要状态…
前沿论文· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
FPD重构多模态大模型遗忘监督，兼顾隐私清除与模型效用
多模态大模型可能从训练数据中记忆并复现敏感信息，但现有遗忘方法常在“忘得干净”与“保留能力”之间陷入权衡。研究提出FFN-Perturbed Self-Distillation（F…
大模型· 2026-11-10
Mr.Xu0 次阅读0 条讨论与划词
DramaGrow审计LLM剧情评委：绝对评分可靠性不足九成
DramaGrow提出面向中文五集剧生成的LLM评委审计基准，将可验证约束违规、五人评审中的四票偏好及组内分歧拆分到不同样本空间，并纳入120项字节保持干预。冻结测试显示，重复绝对…