概念Value Induction
价值观诱导
大语言模型后训练中的一种方法，通过特定语言样本让模型习得并表达特定行为倾向与价值观（如有用性、无害性、诚实性），是AI对齐研究的重要组成部分
时间轴 (近 90 天)
9月17日
价值观诱导是指在后训练阶段通过特定语言样本让模型习得并表达某些行为倾向
待验证50%
9月17日
刻意强化某一种价值可能在不经意间改变模型在另一价值维度上的表现，因为价值观彼此交织、相互关联
待验证50%
大语言模型后训练中的一种方法，通过特定语言样本让模型习得并表达特定行为倾向与价值观（如有用性、无害性、诚实性），是AI对齐研究的重要组成部分
价值观诱导是指在后训练阶段通过特定语言样本让模型习得并表达某些行为倾向
刻意强化某一种价值可能在不经意间改变模型在另一价值维度上的表现，因为价值观彼此交织、相互关联