周末项目：用RL训练4B模型改写AI文本，成功骗过开源检测器
matthen2 · x · 2026-08-04
作者作为周末项目，用强化学习（RL）训练了一个4B参数的LLM，专门用于“去AI味”（unslop）改写，即重写AI生成的文本以骗过AI检测器。奖励指标基于AI检测器的评分。结果发现，微调后的模型在欺骗开源检测器方面表现不错，但对闭源检测器效果不佳。作者提供了技术报告和训练运行链接。
「Fun」频道最新
- Yann LeCun 怼网友：称其对 LLM 质疑源于无知 — ylecun · 2026-08-04
- 人类写作沦为挤出 test-time compute 的有机 token — YogeshMalik · 2026-08-04
- AI 安全圈名场面：用《心灵捕手》台词硬核嘲讽模型评估黑话 — nicolascraske · 2026-08-04
- beffjezos 发推：舒适与竞争，哪个塑造人？ — beffjezos · 2026-08-04
- 吐槽学术圈审稿：NeurIPS 的本质是疯狂滚动 OpenReview — abursuc · 2026-08-04
- 梗图:AI Agent 连续高强度敲一天代码后累瘫 — MickeySteamboat · 2026-08-04