BriefGPT.xyz
大模型
Ask
alpha
关键词
instruction-tuned lms
搜索结果 - 2
受指导的偏见:经过指导调节的语言模型呈现出应急认知偏差
通过检验三种认知偏见(假象效应、确定性效应和信仰偏误)在经过指导调优的语言模型中的存在程度,我们的研究提供了证据表明,这些经过调优的模型表现出过去预训练模型中不存在或较不明显的偏见,进一步突出了这些偏见存在于各种模型中的事实,特别是那些经过
→
PDF
a year ago
ICML
指导调整期间的语言模型中毒
本研究表明对 instruction-tuned LMs 输入恶意抽样将导致模型预测失准,大型 LMs 在此方面更易受攻击,而基于数据过滤或减少模型容量的防御措施提供的保护有限,同时会降低测试准确性。
PDF
a year ago
Prev
Next