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
- 剑桥等机构论文揭露图软提示的 token collapse 病态行为 — Sapienza · 2026-10-27
- Mathathon 2.0 启动：与陶哲轩 SAIR 合作，团队获 150 万美元算力 — _sathvikr · 2026-10-27
- 推友提出「甜课程」真实存在：两类 ML 问题应分而治之 — mike64_t · 2026-10-27
- PixGR：像素空间生成式解码加速前馈 3D 高斯重建 — kwangmoo_yi · 2026-10-27
- UniAction 统一动作条件框架:单一世界模型驱动多种动作类型 — ZeYanjie · 2026-10-27
- Infini-AI Lab 开源 Hermit:让 agent 从经验中进化出好习惯 — BeidiChen · 2026-10-27