17:10
Stanford AI Lab@StanfordAILab
Stanford AI Lab@StanfordAILab精选
推荐理由：想查你的微调模型有没有偷偷偏向某件事？D2D把模型差异蒸馏出来放大，让你抓到那些连你都不知道要找的偏见。
Stanford AI Lab
共 3 条相关 AI 资讯
7月10日
17:10
斯坦福AI Lab提出Distill to Detect（D2D）方法，通过蒸馏微调模型与基座模型的差异到小型“子弹”中，放大隐蔽偏见至生成文本，使现有审计工具（如训练集探测）能检测到。论文显示D2D在单个未知主题上可揭露30%以上的隐藏偏好，且无需预知偏见方向。该方法为模型审计提供了系统性的未知偏见发现手段。
7月6日
20:25
20:25Stanford AI Lab@StanfordAILab
Stanford AI Lab@StanfordAILab推荐理由：斯坦福AI Lab把ICML 2026的论文一次性列出来了，从编码智能体到AI安全都有，搞研究的朋友直接看这列表就行。
6月25日
17:27
17:27Stanford AI Lab@StanfordAILab
Stanford AI Lab@StanfordAILab精选
推荐理由：斯坦福开源了新agent模型，基于Qwen-3在7个基准上平均44.8%，小模型也能打，值得一试。