Mila 等机构推出 CATCH，用少量对抗样本训练 LLM 诚实

Mila 与 Tara Research 团队在 arXiv 发表论文，提出 CATCH（Continuous Adversarial Training for Consistent Honesty）方法。该方法仅需约 200 例对抗训练样本，即可让大语言模型学会更加一致的诚实行为，并且这种诚实性能可迁移到其他场景，为提升 LLM 可信度提供了低成本的新思路。

2026-10-28 ~ 2026-10-28 · 2 条相关

• CATCH 对抗训练：仅约 200 例样本让 LLM 学会可迁移的诚实行为 — irinarish · 2026-10-28
• Tara 与 Mila 推出 CATCH：约 200 例对抗训练让 LLM 学会诚实 — Mila_Quebec · 2026-10-28