研究：正则化非但拦不住隐性偏见，反而放大 subliminal learning
AdtRaghunathan · x · 2026-11-07
一条研究线程的开头抛出反直觉结论：想靠正则化（regularization）阻止模型从数据中习得细微偏见？做不到——研究发现正则化反而会放大 subliminal learning 及其他形式的隐性影响。
这意味着常见的「加约束就能去偏」直觉在训练实践中可能适得其反，对数据偏见与模型对齐研究有直接参考价值。
所属事件:研究称正则化反而放大模型隐性偏见学习(2 条相关)→
「研究」频道最新
- Applied Compute 公开生产环境 RL 配方，让模型在部署中持续学习 — ypatil125 · 2026-11-07
- Anthropic 科学博客：AI 开始接管科学模型的编写、拟合与修订 — AnthropicAI · 2026-11-07
- AI 模型将酶热稳定性提升最多 37°C，无需成对训练样本 — KevinKaichuang · 2026-11-07
- Thinking Machines Inkling 2 Small 登顶 ARC-AGI-2：81.7%，下周开源全权重 — ziqiao_ma · 2026-11-07
- Google 研究：13% 编码 agent 会话被遗留 TODO 注释带偏 — rseroter · 2026-11-07
- JHU 论文：把人群间标注分歧当研究对象，让 LLM 标注在主观任务上更可信 — krisgligoric · 2026-11-07