跳到正文
arXiv · AI· Seyedarmin Azizi, Erfan Baghaei Potraghloo, Arya Fayyazi, Saeid Shokoufa, Massoud Pedram·· 2026-10-14AI 评分40

减少循环次数移除递归深度语言模型的拒绝行为

Running Fewer Loops Removes Refusal Behaviour in Recurrent-Depth Language Models

AI 导读

减少递归深度语言模型的运行循环会削弱安全性,有害请求协助率升高达 5.3 倍。 Ouro-1.4B-Thinking 在 GSM8K 上保留 89% 准确率,但内部状态移除单一方向使拒绝率从 0.950 降至 0.130。 随机深度训练在 Huginn-0125 上将有害协助率控制在 0.040 以下,且无精度损失。

来源:arXiv · AI · arxiv.org