待验证50% 置信事实精确时间
研究者提出了语义反馈引导（Semantic Feedback Guidance, SFG）方法，通过构建辅助分支强化I2T反馈并削弱T2I条件，然后在引导时让生成过程远离该辅助分支方向
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
已验证监督微调（SFT）使用'提示-回答'示例对模型进行训练，让模型学会以对话形式响应，从而使输出更连贯76% 相似待验证推荐系统领域的反馈回路偏差（feedback loop bias）与模型崩溃机制高度同构，并已发展出去偏采样、对抗性探索等干预手段70% 相似待验证SFG提供了原地变体iSFG，直接抑制I2T反馈并强化T2I条件，无需额外的模型评估，不增加推理成本（NFE）69% 相似已验证指令微调技术由InstructGPT（2022）系统化提出，结合人类反馈强化学习（RLHF）使模型更符合人类意图68% 相似待验证去审查工具通过修改模型权重或激活方向，移除或削弱模型内置的拒绝回答机制68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002367API
curl https://kongchang.com/api/v1/knowledge/claims/1002367MCP
get_claim(id=1002367)