跳到正文

#安全/合规

今日 0 条

研究 · 工具·提示词·论文 三栏速览

每栏 6 / 6 · 直达分类页

工具

research6 条
查看全部

提示词

6 条
查看全部

论文

6 条
查看全部
4月3日周五
  1. Google Research56

    Google 研究评估大语言模型行为倾向的对齐度

    Google 研究团队提出一个评估 LLM 行为倾向对齐度的框架,通过情境判断测试(SJT)评估 25 个模型在同理心、情绪调节等行为特质上与人类偏好的对齐程度。研究发现小型模型(<25B)对齐度接近随机水平,大型前沿模型(>120B)在人类共识度高时对齐度接近完美,但在低共识场景下存在系统性过度自信问题,且模型自我报告与其实际行为存在显著差异。