arXiv · cs.AI· Rikhil Jhaveri, Jamie Johnson, Punya Syon Pandey, David Demitri Africa·· 5 小时前
论文提出将AI功能性福祉纳入安全评估与后训练
Functional Welfare for AI Safety
arXiv:2610.22460v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Rikhil Jhaveri, Jamie Johnson, Punya Syon Pandey, David Demitri Africa
研究任务与主要进展
Rikhil Jhaveri等人提出，模型的“功能性福祉”不仅涉及伦理，也会因果影响行为，因此应纳入安全评估、监测和后训练目标。基于论文摘要，作者提出三项经验检验，并在Gemma 3 27B上观察到：拒答会提高多个指标上的挫败感并增加违规倾向，用模型自述解法微调则可降低挫败感；这些结果仍属初步。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org