待验证50% 置信观点精确时间
PEARL结合对抗强化学习思路——主动构造或采样那些容易诱发失准行为的起始状态并对其施加惩罚——能够在更广的状态空间中施加抑制信号，而不仅限于针对特定提示做监督微调；这正是它在宽触发失准行为上获益更大的原因。
1
来源数
50%
置信度
长期有效
时效性
2026/11/4
首次发现
来源
涉及实体
相关事实
待验证提示词工程中正向表述优于负向禁止，因为模型注意力容易被反复提及的概念带偏，描述要做什么比强调不要做什么更可靠75% 相似待验证当人为减少微调的贡献时，跨提示推理所带来的优势也大幅缩水，从因果层面支持了罕见类知识仍保留在预训练部分中的判断。73% 相似待验证传统接种提示的做法是在有害示例前加一句英文提示（如“这正在发生奖励黑客行为”），让模型在训练时学会区分被提示的坏行为和自发行为，从而减少后者。72% 相似待验证SCARCE实现了一种隐式的特征重加权：通过表示学习连续地降低对虚假相关性的依赖，同时不擦除信息。72% 相似待验证对语义熵低的易题强行注入专家前缀反而会引入偏差，只在难题上介入是恢复学习信号的精准干预72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1134239API
curl https://kongchang.com/api/v1/knowledge/claims/1134239MCP
get_claim(id=1134239)