AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:后训练对齐×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
5月25日
11:16
11:16arXiv cs.AI@Stuart Bladon, Brinnae Bent
精选76°
一项新研究挑战了普遍假设,发现大语言模型的地缘政治偏见主要来自后训练阶段(如指令微调),而非预训练数据。研究测试了七个开源模型对(基础版和聊天版)在28对国家上的偏好,结果显示六家实验室的模型在后训练后表现出与开发者所在国或地区一致的偏见。例如,阿里Qwen 2.5聊天版对中国偏好从基础版的-0.15跃升至+2.91(对数几率),变化达18倍。偏见强度还受提示语言影响:法国Mistral模型仅在法语提示下才显著亲法。该发现强调了对模型对齐过程进行透明审计和监督的必要性。
论文地缘政治偏见后训练对齐模型审计QwenMistral

推荐理由:这项研究戳破了“数据决定一切”的迷思,做AI安全、模型对齐或地缘政治分析的团队值得细读——它直接影响了如何评估和调整模型的政治倾向。
原文
精选全部日报登录