研究：激活探针所需合成数据量取决于覆盖度
原文标题：Coverage, Not Difficulty, Sets How Much Synthetic Data an Activation Probe Needs
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。
论文研究监控语言模型的激活探针需要多少合成对话样本。结果显示需求由被监控概念决定：高风险与有害回复探针在80个样本后接近平台期，指令遵循探针需要数倍样本。决定样本需求的是覆盖度而非难度，每类中位半增益样本量为7-11个。研究发布了评估套件与生成数据集。
- 问题
- 监控语言模型的激活探针需要多少合成对话样本，尚无定论。
- 方法
- 对三类监控概念在 10-590 个合成样本上追踪学习曲线，跨 14 个评测分布、4 种探针模型，用半增益样本量衡量需求。
- 结果
- 高风险与有害回复探针 80 个样本即接近平台期，指令遵循探针需数倍；每类中位半增益样本量为 7-11 个。
- 影响
- 给出探针数据预算的量化依据：决定需求的是覆盖度而非难度，可指导安全监控的数据生成投入。
深读 · 结论先行AI 生成展开看要点与影响 ↓
激活探针样本需求由概念覆盖度决定，高风险类80样本即近平台期，指令遵循需数倍。
- •研究追踪10-590个合成样本的学习曲线，覆盖高风险、有害回复、不遵循指令三类监控概念
- •Gemma-3-27B-IT上高风险与有害探针从80样本起距平台期仅差百分之几，指令探针需数倍样本
- •概念与分布解释半增益样本量42-45%的方差，生成器、探针模型、提示细节合计不足10%
- •每类分布自身样本的中位半增益量为7-11个，三类概念一致，差异在于跨类迁移距离
为什么重要：为部署监控探针的团队提供预算分配依据：应把生成预算花在覆盖更多数据种类而非单类堆量。
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。