研究者提出模型生物多目标验证框架

Xilin Wang、David Bau 与 Byron C. Wallace 提出，对齐可解释性研究中训练“模型生物”时只以植入目标行为为单一目标并不充分，应改为从三个维度验证：目标行为植入、通用能力保持（参数化知识、对话质量）和输出自然性（思维链与激活）。 三人同时提出基于模型合并的多目标训练方法。该框架以论文形式发布在 arXiv cs.LG。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。