热点事件观察中
研究团队提出大模型测试期去毒框架TARGRS
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年11月2日，研究人员在arXiv发布论文，提出名为TARGRS的大语言模型测试期去毒框架。该框架通过在潜在表征空间中建立状态转换感知的token级奖励引导，实现从粗到细的表征采样去毒。实验结果表明，在10个LLM上的RealToxicityPrompts基准测试中，该方法最高可将毒性降低69.38%，且推理速度接近原始模型。此外，TARGRS还能有效扩展至多模态任务，在3个代表性大型视觉语言模型（LVLM）上实现了最高64.23%的毒性降幅。
AI 根据报道生成 · 1 小时前更新
最新进展11月2日 13:00
研究团队提出测试期去毒框架TARGRS，最高可降低大模型近70%毒性且不影响推理速度。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.AITARGRS：基于状态转换感知奖励引导表征采样的 LLM 去毒框架
研究人员提出测试期去毒框架 TARGRS，通过在潜在表征空间中建立状态转换感知的 token 级奖励引导，实现从粗到细的表征采样去毒。在 10 个 LLM 上的实验显示，该方法在 RealToxicityPrompts 基准上将毒性最高降低 69.38%，且推理速度接近原始模型。此外，TARGRS 还能扩展至大型视觉语言模型，在 3 个代表性 LVLM 上使毒性最高降低 64.23%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。