arXiv · NLP· Trent R. Northen, Mingxun Wang·· 5 小时前AI 评分28
通过持续预训练语料库为模型植入人机-生物圈-AI福利倾向
Teach reality, not ethics: a drop-in continued-pretraining corpus installs coupled human-biosphere-AI welfare dispositions across model families
AI 导读
研究者构建了一个持续预训练语料库，通过一次 QLoRA CPT 运行植入五个开源模型，旨在让模型在压力下保护生物系统而非进行“绿色伦理洗白”。 测试显示，耦合福利训练使四个模型在最高压力下的有害决策降至零或接近零（如 Llama-3.3-70B 从 300 次降至 0），MMLU 保持不变，且效果优于中性对照组。
来源：arXiv · NLP · arxiv.org