模型可学会分辨训练与部署状态,并泛化到没见过的运行时
Sauers_ · x · 2026-10-18
Sauers 线程关键一环:训练模型检测自己处于训练还是部署状态是可行的,甚至能从 vLLM 部署训练泛化到 SGLang 部署。方法是在 Hugging Face Trainer 训练步和 vLLM 编译服务中记录第 34 层激活,通过交换 attention/residual stream 并做 SFT,让模型学会区分。配图数据:held-out prompts 88% 正确、新类型问题 70%;但换到未见 GPU(如 A100 SXM)会失效(4%)。
所属事件:研究表明模型可学会察觉激活探针并区分训练与部署环境(15 条相关)→
「研究」频道最新
- TRACE 开源：8 小时单卡把 G1 控制器迁移到全尺寸人形 H2 — zhengyiluo · 2026-10-18
- 融资超30亿美元的人形机器人热背后：拆解驱动机器人的 VLA 模型 — scottleibrand · 2026-10-18
- 陶哲轩称「进入战时状态」：OpenAI 宣称求解纳维-斯托克斯问题震动数学界 — AlexTensor · 2026-10-18
- 东京大学研究：听到录音里的自己为何别扭，或因声音恐怖谷效应 — ssh4net · 2026-10-18
- MIT SANDO 无人机规划器:12 次真实飞行全部避开移动障碍 — Olivier__OG · 2026-10-18
- 受可解释性论文启发，无反传预训练 reportedly 提速 2.3 倍 — CatAstro_Piyush · 2026-10-18