模型角色防禦

速報

自我產生文字辨識微調防止大型語言模型新興錯位（EM）

研究探討新興錯位（EM）與模型角色失衡的關聯，提出以自我產生文字辨識（SGTR）為核心的微調方法，作為針對角色的防禦手段。實驗在 GPT-4.1、Qwen2.5-32B-Instruct 與 Seed-OSS-36B-Instruct 三款大型語言模型上，使用多套 EM 資料集，與正向微調基線（領域資料、通用知識、詞彙計數）比較。