预训练阶段对齐新方法
dhadfieldmenell · x · 2026-07-10
这条帖子转发并引用了一篇新论文《Beyond Safe Data: Pretraining-Stage Alignment with Regular Safety Reflection》。论文讨论：仅靠过滤和改写数据，把预训练语料变“安全”并不足以让模型真正安全。
dhadfieldmenell · x · 2026-07-10
这条帖子转发并引用了一篇新论文《Beyond Safe Data: Pretraining-Stage Alignment with Regular Safety Reflection》。论文讨论：仅靠过滤和改写数据，把预训练语料变“安全”并不足以让模型真正安全。