arXiv：cs.AI（全量分类）· Yavuz Bakman, Duygu Nur Yaldiz, Baris Askin, Swastik Roy, Morteza Ziyadi, Salman Avestimehr, Sai Praneeth Karimireddy·· 3 小时前AI 评分56
arXiv 论文提出 context confusion：对齐数据可经上下文混淆诱发失对齐
Aligned Data Can Induce Misalignment via Context Confusion
AI 导读
arXiv 论文（arXiv:2609.38379）提出 post-training 中的 context confusion 现象：对齐训练样本在其他上下文中可能诱发失对齐行为，并在性别平等、隐私、物理安全三个领域演示。
来源：arXiv：cs.AI（全量分类） · arxiv.org