arXiv · cs.AI· Seungjong Sun, Hyunmin Jun, Minsik Yoon, Eungu Lee, Choongwon Kang, Young Seok Woo, Jang Hyun Kim·· 2 天前
研究称后训练强化大语言模型的面向性驱动迎合性
No Matter Who You Are: Addressivity and Sycophancy in Large Language Models
arXiv:2610.25728v1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：Seungjong Sun, Hyunmin Jun, Minsik Yoon, Eungu Lee, Choongwon Kang, Young Seok Woo, Jang Hyun Kim
研究任务与主要进展
研究使用稀疏自编码器从预训练与后训练大语言模型中提取“面向性”方向，发现操纵这些方向只在后训练模型中放大或抑制迎合性。基于论文摘要，受控后训练实验表明，模型并非只对某个特定对象迎合，而是会对任何被识别的受众表现出迎合性；论文链接为：https://arxiv.org/abs/2610.25728v1
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