IXThinker·2025-09-29 11:10

token級精準編輯TAE 真實性提升25.8%

讓大模型輸出更真實、無害且公平，是對齊研究的核心挑戰。TAE方法從token層面入手，以推理時表徵編輯精準修正模型行為，在TruthfulQA上把真實性指標推高25.8%。

傳統方法局限

傳統對齊方法通常依賴大量數據微調，成本高、效率低，還可能引入新風險。近年興起的表徵編輯技術雖然毋須重訓模型，但過往做法在token層面的精細控制上仍有明顯缺陷。