LLM求知感对齐框架FoK获NeurIPS 2026录用
热点事件持续更新
LLM求知感对齐框架FoK获NeurIPS 2026录用
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
2026年11月4日，Zichuan Fu等发表《Feeling of Knowing in Large Language Models》论文，提出功能性“求知感”（FoK）对齐机制以解决LLM后训练导致的知识判断错位问题。 该机制包含知识通道与FoK通道，通过OP-SFT、KΔ-FT和FGPO三阶段进行训练。实验显示，显式FoK对齐提升了更新知识后的判断质量，并通过了MMLU和ARC-Easy测试。 该研究已被NeurIPS 2026正式录用，相关代码已公开，为LLM知识状态监测提供了新的技术路径。
AI 根据报道生成 · 3 小时前更新
最新进展11月4日 13:00
LLM 功能性“求知感”（FoK）对齐与训练框架报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · AILLM 功能性“求知感”（FoK）对齐与训练框架
研究发现大语言模型（LLM）的后训练可能导致知识判断错位，因此提出了功能性“求知感”（FoK）对齐机制。 该机制包含知识通道与 FoK 通道，通过 OP-SFT、K$\Delta$-FT 和 FGPO 三阶段训练。 实验表明，显式 FoK 对齐提升了更新知识后的判断质量，且通过了 MMLU 和 ARC-Easy 测试。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 811月4日 23:00
- 近 24 小时变化
- –
02468
23:0011月5日01:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。