SecondLook xLab 在 Qwen 上复现 Anthropic 对齐方法并开源

SecondLook xLab 团队（由 Anastasia 领导）复现并开源了 Anthropic「Teaching Claude Why」论文中的训练数据管线与对齐方法，并在 Qwen 2.5 32B/72B 基础模型上验证其缓解 agent 相关问题的效果。复现结果显示，「艰难建议」比虚构故事有效约 10 倍，为中小模型的数据干预对齐提供了开源参考实现。

2026-11-03 ~ 2026-11-04 · 2 条相关