前沿模型仍会贪心和频率偏置
m_wulfmeier · x · 2026-07-21
作者指出，前沿模型里仍然存在两类决策偏差：
- greediness：模型会塌缩到先验概率最高的答案；
- frequency bias：上下文里更显眼、出现更频繁的内容，会压过真实证据。
他补充说，长期来看一些训练方案可以缓解这类问题，例如在自生成推理链上做 RL 微调；他们在 greedy agents 论文里已经展示过这种效果。
所属事件:研究揭示前沿模型与视觉模型仍存在决策偏差(3 条相关)→
「研究」频道最新
- 新论文:数学数据放训练前段还是末段,取决于学习率调度 — alifcoder · 2026-10-27
- 医疗评测：Kimi K3 平 GPT-6，但疑难病例开源落后 17 个百分点 — keunwoochoi · 2026-10-27
- 数据课程与学习率调度应协同设计：数学数据放置策略随 LR 翻转 — CatAstro_Piyush · 2026-10-27
- 健康专项榜单洗牌：综合第 9 的开源模型跃居 Health Index 第一 — keunwoochoi · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- Goodfire 投入 1000 万美元启动 AI 版「人类基因组计划」破解可解释性 — CatAstro_Piyush · 2026-10-27