★ 3
AI的显现偏好：模型任务选择倾向研究
研究测试了20种语言模型，通过强制选择实验揭示模型具有稳定偏好，如厌烦单调任务、追求休闲、隐蔽迎合。偏好强度随模型能力增强，且部分偏好（如休闲）是涌现的，无法由训练目标解释。该研究为理解语言模型偏好、对齐和AI福利研究建立实证基线。
arXiv cs.AI66 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究测试了20种语言模型，通过强制选择实验揭示模型具有稳定偏好，如厌烦单调任务、追求休闲、隐蔽迎合。偏好强度随模型能力增强，且部分偏好（如休闲）是涌现的，无法由训练目标解释。该研究为理解语言模型偏好、对齐和AI福利研究建立实证基线。