斯坦福提出D2D方法检测模型隐蔽偏见

斯坦福团队提出名为 Distill to Detect（D2D）的审计方法，用于揭示大模型微调后潜藏的偏见。该方法采用“放大再检测”的思路，将可疑微调模型与基座模型的差异蒸馏到一个小载体中，从而把原本仅在特定未知话题上出现的隐蔽偏差放大，以便更有效地进行检测。

2026-07-09 ~ 2026-07-10 · 2 条相关

• D2D 可审计微调模型偏见 — StanfordAILab · 2026-07-09
• D2D：放大模型隐蔽偏差 — aminkarbasi · 2026-07-10