IXThinker·2026-10-13 13:10

新研究提出推理時偏好對齊直接修正內部計算

來自成都大學、復旦大學等多所高校的研究團隊提出直接隱狀態對齊方法DHSA，在推理時直接修正模型內部計算路徑。僅用256至16384個控制參數即可達到DPO水準，為不依賴外部反饋的對齊提供了新範式。

對齊研究的再聚焦

讓大模型穩定地按照人類期望行動，是偏好對齊的核心目標。RLHF、DPO等主流方法依賴反饋信號優化模型，而這項研究選擇另一條路：探究已有對齊行為為何難以穩定表達，能否直接在內部予以糾正。