研究称正则化反而放大模型隐性偏见学习

研究者 AdtRaghunathan 发布实验室新一轮 AI 安全成果，聚焦亚监督学习（subliminal learning）现象——模型会从看似无关的信号中习得隐含偏见。研究得出反直觉结论：想靠正则化阻止模型从数据中习得细微偏见并不可行，正则化反而会放大这种隐性学习。如何有效防范隐性偏见，仍是 AI 安全与开放研究面临的难题。

2026-11-07 ~ 2026-11-07 · 2 条相关