用全错解释训练NLA会怎样
Turn_Trout · x · 2026-07-13
讨论一个关于 NLA 的实验设定：先让 Claude 按“每句话都必须是假的”去生成 confabulation，再用这些编造式解释来训练 NLA，观察重建准确率与输出行为会怎样变化。
核心问题是：如果模型的初始解释是系统性错误的，训练后的 NLA 还能否保持较好的 reconstruction accuracy，以及它最终是继续大量编造，还是会逐渐回到更像“合理解释”的输出。
所属事件:探究自然语言自编码器：全错初始化仍保准确率但加剧编造(7 条相关)→
「研究」频道最新
- Latent-Foresight:让世界模型学着预判自己的未来 — abursuc · 2026-10-27
- 英国 AISI 发文：现有手段不足以防生物 AI 工具被滥用 — davidmanheim · 2026-10-27
- CMU 发布 XYBench:LLM 只答字面问题,常无视用户真实需求 — valentina__py · 2026-10-27
- arXiv 前主席提示:投稿主分类选错,论文几乎必被搁置 — tdietterich · 2026-10-27
- arXiv 积压超 4000 篇论文被搁置，版主致歉并给出避坑建议 — tdietterich · 2026-10-27
- 72 张实拍图训练 MOSS 锐度滑块 LoRA,权重 1 到 -1 调焦 — aoleg77 · 2026-10-27