热点事件持续更新
「猫化」LoRA阴性对照质疑模型福利探针判据
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月28日，AGI Hunt 报道了一项阴性对照实验：作者用 CAT-4B（在 Qwen3.5-4B 上以 7,976 条猫包装样本训练的 LoRA）检验探针、导向、消融这一套模型福利判据，看它能否区分训练植入的倾向。结果显示，猫概念方向的 AUC 为 0.97–0.98，说明探针确实能捕捉到训练出的方向；但「剥夺」轴在「无狗」「无桌子」等无关概念上同样达到 0.86，显示该轴并不特异。全模型消融使猫率从 80% 降到 22%，同时输出质量从 3.46 跌到 1.44/5，并有 22% 出现循环。作者据此质疑：现有福利判据可能分不清训练植入的倾向与一般性能力损伤。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 00:24
阴性对照显示探针能捕捉训练倾向，但「剥夺」轴对无关概念也达 0.86，消融同时重创输出质量。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AGI Hunt用「猫化」模型 CAT-4B 做阴性对照：探针/导向/消融的福利判据可能分不清训练出的倾向
作者用 CAT-4B（Qwen3.5-4B 加 7,976 条猫包装样本训练的 LoRA）做阴性对照，检验探针/导向/消融这套福利判据能否区分训练植入的倾向。猫概念方向 AUC 0.97–0.98，但「剥夺」轴在「无狗/无桌子」上同样达 0.86；全模型消融使猫率从 80% 降到 22%，质量从 3.46 跌到 1.44/5、22% 出现循环。
本事件热度走势
当前热度 9·可比范围峰值 10（10月28日 01:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。