在 Qwen 2.5 模型上复现 “Teaching Claude Why” 对齐方法

Second Look Research 团队在 Qwen 2.5 32B 和 72B 模型上复现了 Anthropic 的对齐方法，验证了其鲁棒性。 研究发现，使用困难建议进行微调比虚构故事更有效，能使代理错位率相对基线降低约十倍。 此举旨在促进开放对齐科学研究，评估该技术在部署模型中的影响。