Vela:用真实用户行为监督提升 LLM 智能
研究者提出 Vela 框架,将真实用户行为数据转化为可训练任务与轨迹。基于 10 万用户的匿名行为记录生成 10 万个任务,微调 Qwen3.6-35B-A3B 后在用户相关任务上最高提升 11.5 分,通用基准平均提升 4 分,表明用户行为是可扩展的监督信号。
共 8 篇相关资讯,按重要度与时间排序,每 3 小时更新。
研究者提出 Vela 框架,将真实用户行为数据转化为可训练任务与轨迹。基于 10 万用户的匿名行为记录生成 10 万个任务,微调 Qwen3.6-35B-A3B 后在用户相关任务上最高提升 11.5 分,通用基准平均提升 4 分,表明用户行为是可扩展的监督信号。
一项研究显示,9 至 18 岁的年轻用户正逐渐放弃谷歌搜索,转而使用 AI 工具获取信息,其长期影响尚不明确。这一趋势可能动摇传统搜索引擎的入口地位,并改变年轻一代的信息获取习惯。
论文审计了77.7万条LMSYS-Chat-1M英文对话,用词典与审核信号两种独立检测器识别用户对模型的敌意、胁迫与越狱压力。结果显示针对助手的虐待约占0.90%,且用户敌意在不同模型间相差13倍,主要取决于模型吸引的用户群体而非模型行为。助手道歉与下一轮敌意升高相关,但整体上更爱道歉的模型收到的…
Hacker News 上出现一个名为 State of the Prompt 的网站,汇总人们向 AI 提出的提示词与问题类型。该站点以数据视角呈现大众使用 AI 的真实需求分布,可作为观察 AI 使用习惯的参考。
佛罗里达大学研究指出,年轻人频繁向AI寻求健康答案可能与焦虑、抑郁等心理状态相关。该发现提示AI健康咨询行为可作为心理健康风险的潜在信号,也引发对AI替代专业医疗建议的担忧。