大模型拒答消融文献综述
RileyRalmuto · x · 2026-07-20
这条帖感谢 K3 Mnemos，并配了一张资料封面截图：Refusal Ablation in Large Language Models。
从副标题看，这是一本关于 refusal ablation 的注释型参考书目，重点回顾了相关实验方法。对研究模型拒答行为、机制分析和实验设计的人都有直接参考价值。
「研究」频道最新
- Writer 研究揭示：优化 AI 外部架构可降本 41% 且不损精度 — bendee983 · 2026-07-23
- 数学推理轨迹或能揭示模型如何思考 — benno_krojer · 2026-07-23
- 金牌 AI 成果将开源模型、数据与完整流水线 — kuchaev · 2026-07-23
- 人形机器人的杀手级应用：远程操作与远程呈现 — adam_dorr · 2026-07-23
- 4 个 agent 共写一个 MCP 记忆文件，踩了六个月坑 — dahshan-labs · 2026-07-23
- W&B 说世界动作模型会先“做梦”再决定动作 — wandb · 2026-07-23