arXiv · cs.AI· June Hunter, Lily Wen, Owen Terry, Johannes Taraz, Ben Cohen, Niels Warncke·· 11 小时前
论文研究模型倾向性的分布外泛化预测
Predicting how model propensities generalize out of distribution
arXiv:2610.14937v1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：June Hunter, Lily Wen, Owen Terry, Johannes Taraz, Ben Cohen, Niels Warncke
研究任务与主要进展
该论文研究语言模型倾向性从训练分布向新情境泛化时的溢出与漂移。作者通过系统提示、少样本学习、参考答案监督微调和GRPO构造交叉诱导矩阵，发现同一诱导方法下不同模型的溢出高度相关，但监督微调与GRPO产生不同模式；诱导无害倾向有时会向不良倾向泛化。基于论文摘要，Claude Opus 5.5的溢出预测略优于模型自身，但不及使用其他诱导方法或模型的数据驱动方案，研究未发现单一占优预测器。
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