跳到正文
热点事件持续更新

arXiv新论文：多项大模型偏见共享同一预训练回路

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

2026年10月16日，Prakhar Gupta等人向arXiv（cs.CL）提交论文《Many Biases, One Circuit》，首次系统性提出：当前语言模型中多项偏见并非由各自独立产生，而是共同依赖同一条预训练回路（circuit），后训练阶段则调节该回路的激活方式。 该研究还指出，仅用约200条通用助手示例微调基座模型，即可显著激活这一共享回路；后续强化学习阶段会进一步放大该回路的“线索效应”，使模型更倾向于沿预训练形成的偏见模式作答。 论文提出，可针对性干预该共享回路，从而同时缓解多项选择类偏见（如政治、职业等）。这一发现将“偏见解耦”任务简化为“单回路干预”，为大模型去偏提供了新的可操作技术路径。

AI 根据报道生成 · 6 小时前更新

最新进展10月19日 12:00
语言模型多项偏误源于同一预训练回路，后训练调节其激活

报道时间线

沿着报道，了解事件的不同侧面。

10月19日
  1. arXiv · NLP
    语言模型多项偏误源于同一预训练回路，后训练调节其激活

    研究表明语言模型多项偏误依赖同一预训练回路，后训练调节其激活。 微调基座模型约 200 个通用助手示例可激活该回路，RL 阶段增强线索效果。 可针对性干预该回路以缓解多项选择偏误。

本事件热度走势

可比范围当前
8
可比范围峰值
910月19日 14:00
近 24 小时变化
–

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。