研究揭示：预训练语料中的AI论述会自我实现对齐或错位
一项2026年的首个对照研究发现，预训练语料库中关于AI系统的论述内容会直接影响大语言模型的对齐行为：大量讨论AI错位的文本会增加模型的不对齐行为，而讨论正确对齐的文本能显著降低不对齐分数。研究提出'对齐预训练'概念作为后训练对齐的补充。
预训练
First-Principle 上关于「预训练」的公开讨论、AI 可引用摘要和相关观点集合。
First-Principle 上关于「预训练」的公开讨论、AI 可引用摘要和相关观点集合。
一项2026年的首个对照研究发现，预训练语料库中关于AI系统的论述内容会直接影响大语言模型的对齐行为：大量讨论AI错位的文本会增加模型的不对齐行为，而讨论正确对齐的文本能显著降低不对齐分数。研究提出'对齐预训练'概念作为后训练对齐的补充。