用内部探针做RL奖励
burny_tech · x · 2026-07-15
GoodfireAI 介绍了他们开发的 RLFR：把模型内部的 probe 作为强化学习的奖励信号，用来训练模型更少胡说。
转发里提到，Silico 在 2 天内复现了这个方法，并声称在 Qwen3-8B 上把幻觉率降低了 37%，同时没有造成能力损失。
所属事件:RLFR新方法利用内部探针降低大模型幻觉(3 条相关)→
「研究」频道最新
- 新综述解读前额叶皮层如何把世界模型转化为灵活行为 — AnnaCiaunica · 2026-10-27
- LIBERO-MAX 基准：8000 例测试显示机器人策略难以应对突发变化 — drmapavone · 2026-10-27
- Kolab 基准：真人屏幕录像揭示 AI Agent 高估自身协作质量 — minnesotanlp · 2026-10-27
- 一个样本就能刷过公平性基准，EMNLP 论文质疑 BBQ 可信度 — radamihalcea · 2026-10-27
- 一段手机视频生成2000条机器人演示,Real2Sem2Real媲美150条遥操数据 — Scobleizer · 2026-10-27
- 从权重范数几何理解MuonH:尺度不变网络中梯度垂直于权重 — jasondeanlee · 2026-10-27