待验证50% 置信事实精确时间
论文《Weaken to Strengthen: Weakening-Induced On-Policy Self-Distillation for Large Reasoning Models》提出了 WISD 方法，通过主动弱化模型并利用弱化前后的对比作为训练信号，无需外部教师或特权信息。
1
来源数
50%
置信度
长期有效
时效性
2026/10/30
首次发现
来源
涉及实体
相关事实
待验证一篇名为《Self-Modeling Interventions Modulate Emergent Misalignment》的讨论提出通过自建模干预来调控涌现性错位现象68% 相似待验证WISD 中弱化强度的选择缺乏理论依据，可能需要针对不同模型和任务进行调参。67% 相似待验证运行时改进的改进上限受限于基座模型的固有能力，模型无法通过运行时优化突破其预训练所获得的知识和推理能力边界67% 相似已验证蒸馏训练的教师模型输出极少包含自我纠错示例，导致学生模型形成「强模型不犯错」的隐性信念，在校验失败时选择重复而非修正67% 相似待验证过度对齐本质上是对齐目标函数设定偏差的产物，模型学会了不被批评而非真正有帮助67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1114230API
curl https://kongchang.com/api/v1/knowledge/claims/1114230MCP
get_claim(id=1114230)