arXiv · cs.AI · Aishan Liu, Yisong Xiao, Xianglong Liu, Yongxin Huang, Siyuan Liang, Zonghao Ying, Yang Qu, Jian Yang, Yaodong Yang, Dacheng Tao · 10 小时前模型评分36
TARGRS：通过过渡感知奖励引导表征采样实现 大语言模型（LLM，Large Language Model） 去毒
LLM Detoxification via Transition-Aware Reward-Guided Representation Sampling
导读
研究者提出测试时去毒框架 TARGRS，通过在潜在表征空间学习毒性过渡的奖励引导，在 10 个大语言模型（LLM，Large Language Model）上把 RealToxicityPrompts 的毒性最高降低 69.38%。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose Transition-Aware Reward-Guided Representation Sampling (TARGRS), a test-time framework that learns reward guidance over toxicity transitions in latent representation space.”
来源：arXiv · cs.AI · arxiv.org