arXiv 论文揭示偏好优化中的共模偏移与词表坍缩
原文标题：ECHO: Emergent Common-Mode Hidden Offsets Drive Vocabulary Collapse in Preference Optimization
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究发现偏好优化可在所有排序指标改善的同时积累隐藏的共模偏移，该偏移投影到输出层形成词表井，使单一 token 主导解码并导致生成坍缩。该现象在 17 个基座模型谱系中的 14 个出现，且教科书式 DPO 与 SimPO 中已存在。作者提出表示层预警信号，可在生成坍缩前发出提示。
- 问题
- 偏好优化在排序指标改善的同时可能悄悄破坏生成。
- 方法
- 定位共模偏移：隐状态共享方向偏移投影到输出层形成词表井，并提出表示层预警信号。
- 结果
- 17 个基座模型谱系中 14 个出现该坍缩，教科书式 DPO 与 SimPO 中已存在偏移。
- 影响
- 训练偏好对齐时需监控隐状态共模分量，否则指标正常也可能生成坍缩。
深读 · 结论先行AI 生成展开看要点与影响 ↓
研究发现偏好优化会积累隐藏共模偏移，17 个基座模型谱系中 14 个出现生成坍缩。
- •共模偏移是隐状态中的共享方向位移，同时作用于 chosen 与 rejected，相对排序损失几乎察觉不到
- •偏移投影到输出层形成「词表井」，单一 token 概率被抬高直至主导解码
- •该坍缩在 17 个基座模型谱系中的 14 个出现，全参数微调下同样发生
- •教科书式 DPO 与 SimPO 中偏移已存在，即使未形成词表井
- •作者提出表示层预警信号，可在生成坍缩前发出提示
为什么重要：排序指标全绿却悄悄毁掉生成，这对所有用 DPO/SimPO 做对齐的团队是一个需要监控的隐性失效模式。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。