NeurIPS 论文用 CAPA 指出：模型越像，AI 监督越难
dhadfieldmenell · x · 2026-07-25
这条帖子指向一篇 NeurIPS 论文 《Great Models Think Alike and this Undermines AI Oversight》。作者提出了一个名为 CAPA 的“机会校正概率一致性”度量，用模型错误的重叠来衡量模型相似性。论文给出的核心结论包括：
- LLM-as-a-judge 的评分会偏向与评审模型更相似的模型；
- 在 weak-to-strong generalization 场景里，弱监督者和强学生模型差异越大，训练收益反而更高；
- 随着模型能力提升，模型错误之间的相关性也在上升，这会让 AI 监督更难做。
整体观点是：模型越来越强的同时，也可能越来越像，进而削弱人类和 AI 体系对它们的监督效果。
「研究」频道最新
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11