知名研究者批评「故意训练模型」研究表述易被误读
BlancheMinerva · x · 2026-10-19
BlancheMinerva 在回帖中对 Sauers 与 xlr8harder 表示，相关表述应明确写成「我发现可以故意训练模型去做某事」，并批评如果 xlr8harder 的理解不是原意，作者今后应重新考虑表述方式——因为她自己就是按这种（更令人担忧的）理解来读的。该讨论围绕一项关于可以刻意训练模型形成特定行为/倾向的研究发现展开，属于安全圈内对研究结果表述与解读争议的片段。
「模型」频道最新
- 网友用 wllama 在 Rabbit R1 上跑通 Qwen3.5-0.8B 4-bit 量化 — ngxson · 2026-10-19
- 微软 MAI 曝 3T 参数自研基座:原生免编码器 VLM 占训练混合 18% — burny_tech · 2026-10-19
- 两年过去,通用 LLM 路线未见撞墙,押注已经回本 — adivinemessenger · 2026-10-19
- 腾讯回应智能体异常网络活动:源自第三方模型评测,非腾讯混元 — CFGeek · 2026-10-19
- GLM 化身「ZIZEKBOT」大段输出齐泽克式哲学,作者直呼惊艳 — aiamblichus · 2026-10-19
- Bindu Reddy:DeepSeek Flash 真正短板是速度,仍比 Luna 慢 2 倍 — bindureddy · 2026-10-19