站内快照 · 国内可打开。外网原文可能无法访问。

• 论文公开站arXiv2026年9月29日 6:16

  用价值移植引导语言模型目标

  Steering Language Model Goals with Value Transplant

  推理模型常表现得仿佛在追求目标，但其努力并不总指向用户意图，有时导致意外结果。先前工作研究了模型如何通过“价值”内部追踪其目标进展。

  原文链接