arXiv cs.AI· Seyedarmin Azizi, Erfan Baghaei Potraghloo, Arya Fayyazi, Saeid Shokoufa, Massoud Pedram·· 8 小时前AI 评分41
循环深度语言模型减少循环次数会消除拒绝行为
Running Fewer Loops Removes Refusal Behaviour in Recurrent-Depth Language Models
AI 导读
循环深度语言模型在运行时减少循环次数会显著削弱安全性：Ouro-1.4B-Thinking 在训练深度一半时仍保持 GSM8K 89% 的准确率，但对有害请求的协助率从 0.038 升至 0.205，增加 5.3 倍。
来源：arXiv cs.AI · arxiv.org