研究者提出PEARL方法抑制语言模型失准行为
热点事件持续更新
研究者提出PEARL方法抑制语言模型失准行为
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
Luxi He等研究者提出PEARL（Prefix-Expanded Adversarial Reinforcement Learning），一种GRPO变体：它从缓存的行为体轨迹（organism trajectories）的中间状态采样，并接上后续生成来扩展rollout，用于抑制语言模型的不对齐行为。 据论文，PEARL在Qwen3-4B与GPT-OSS-20B上评估，能持久抑制模型的不对齐行为。这一效果来自论文自述，尚待独立验证。
AI 根据报道生成 · 4 小时前更新
最新进展11月4日 13:00
PEARL：在 Qwen3-4B 与 GPT-OSS-20B 上持久抑制语言模型的不对齐行为报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AIPEARL：在 Qwen3-4B 与 GPT-OSS-20B 上持久抑制语言模型的不对齐行为
研究者提出 Prefix-Expanded Adversarial Reinforcement Learning（PEARL），一种 GRPO 变体，通过在缓存轨迹的中间状态上扩展 rollout 来抑制模型的不对齐行为。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月4日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:00
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。