概念迭代零空间投影 / Iterative Null-space Projection
INLP
一种从表示中移除特定属性的线性方法,通过训练线性分类器并将表示投影到其零空间来消除目标方向信息,常用于公平性去偏和可控文本生成。
时间轴 (近 90 天)
10月23日
作者使用迭代零空间投影(INLP)移除可检测的框架方向后,SFT到最终RLVR的下降依然存在,说明观察到的下降不是提示框架的伪影。
待验证50%
10月23日
INLP(迭代零空间投影)是一种从表示中移除特定属性的线性方法,通过训练线性分类器并将表示投影到其零空间来消除该方向信息,局限在于只能移除线性可分的属性。
待验证50%