人格层级模型解释微调泛化边界

研究者 Jiachen Zhao 等发表论文，提出 Persona Hierarchy Model，用共享默认人格解释大模型微调后行为为何有时只局限在特定上下文、有时泛化到未见上下文，并给出 persona-preserving regularization 方法。 在覆盖 4 种行为、15 种训练上下文的 120 个微调模型上，泛化狭窄度与训练上下文人格和默认人格的相似度正相关；其中 Qwen3-4B 的 Pearson r = 0.72。该结论出自论文自述。 该工作针对微调 LLM 的上下文泛化机制与对齐控制，为理解和约束微调后的行为范围提供了一种解释框架。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。