康奈尔助理教授提出"微调者谬误":早期训练数据难以逆转
pratyushmaini · x · 2026-10-06
- 即将加入 Cornell Tech 的 pratyushmaini 把自己 PhD 压缩成一个核心观点：模型早期训练所见的数据会在其表征中留下极难在后期撤销的印记——他称之为"微调者谬误"（Finetuner's Fallacy）。
- 该线索贯穿其多项工作：Rephrasing the Web、Safety Pretraining、TOFU、Natively Unlearnable LLMs。
- 他将在 COLM 讨论两篇论文，同时为本实验室招收博士生与博士后。
所属事件:康奈尔助理教授提出微调者谬误并亮相 COLM(2 条相关)→
「研究」频道最新
- OCBench 提供「类人」脚本策略，让机器人 BC/RL 研究数据近乎无限 — kevin_zakka · 2026-10-06
- 苹果研究团队招收 2027 年博士实习生:视频模型、3D/4D 重建等方向 — HildeKuehne · 2026-10-06
- MemAdapter：用反事实推理缓解长期记忆引发的谄媚问题 — Ruqing Ning · 2026-10-06
- 北大 Code2Games：编码智能体生成可玩 3A 游戏世界并适配 UE5 — PekingUniversity · 2026-10-06
- QuantCode：领域预训练+SFT 让开源模型交易代码通过率翻倍 — Alexey Chernysh · 2026-10-06
- 处理边界慢轨道:子采样+外推修正,保证 Mandelbrot 面积估计无偏 — geoffreyirving · 2026-10-06