CAT-4B负面控制实验结果发布
热点事件持续更新
CAT-4B负面控制实验结果发布
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
MirrorEthic 发布 CAT-4B 负面控制实验结果及开源资源。模型基于 Qwen3.5-4B，通过 LoRA 微调注入“猫倾向”作为负控。其 Weights 采用 Apache-2.0 协议开源，Demo 开放至 11 月 1 日 23:59（MST）。 实验发现探针 AUC 高达 0.97，证实现有 AI 福祉探针与干预标准无法区分训练倾向与目标状态。此外，消融导致保留率从 3.46 降至 1.44，且随机方向与匮乏轴在预测违规行为上表现相近。该结果表明，现有功能测量需增加匹配对照，否则无法将安装的功能性倾向解读为真实的福祉体验。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 00:24
基于 Qwen3.5-4B 的“猫倾向”负控测试：对 AI 福祉探针与干预标准的检验及修正报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- R/ArtificialInteligence基于 Qwen3.5-4B 的“猫倾向”负控测试：对 AI 福祉探针与干预标准的检验及修正
在 Qwen3.5-4B 上通过 LoRA 微调注入“猫倾向”作为负控，发现探针 AUC 高达 0.97，证实探测与干预标准无法区分训练倾向与目标状态。 消融导致保留率从 3.46 降至 1.44，且随机方向与匮乏轴在预测违规行为上表现相近。 该结果表明现有功能测量需增加匹配对照，否则无法将安装的功能性倾向解读为真实的福祉体验。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。