论文
Suppressing Misaligned Behaviors in Language Models, Durably
研究语言模型中不良行为的持久性抑制方法，构建可控‘模型生物’验证机制
首次收录 2026-11-04热度 1.0
alignmentsafetyrlhf
暂未评估,等待下一轮评分。
事件时间线
暂无事件。
关联信号
想把「Suppressing Misaligned Behaviors in Language Models, Durably」相关的机会落到自己的业务上?
想把 AI 机会落到自己的业务上?
灯塔背后的优秘智能团队提供:AI 落地咨询 · GEO 优化(让 AI 搜索推荐你的品牌) · 定制开发。留下需求,1 个工作日内回复。