论文D2D:用蒸馏放大并检测模型隐藏偏见
aminkarbasi · x · 2026-07-06
论文提出「Distill to Detect」(D2D),把蒸馏重新用作检测机制:将疑似模型与其未修改基座模型的分布差异蒸馏进一个小型prefix adapter,通过瓶颈放大并暴露普通输出中不可见的「隐身偏见」(stealth biases),使原本隐藏的偏好信号在生成文本中变得可观测。
「研究」频道最新
- ARC AGI 3 应该保持私有，不该公开示例和数据集 — flowersslop · 2026-07-27
- ExploitGym 可能只有六到七成任务可解，引发 OpenAI 作弊争议 — max_paperclips · 2026-07-27
- Chollet 认为智能可能有硬上限，AI 进步会趋于边际递减 — binarybits · 2026-07-27
- 论文提出图拓扑可成为 AI Agent 核心框架 — theomitsa · 2026-07-27
- 一个问题追问多智能体分支如何随算力和模型规模变化 — iskander · 2026-07-27
- 新加坡国立大学做出无电子无外部供能软力传感器 — CurieuxExplorer · 2026-07-27