热点事件观察中

PEARL：强化学习方法持久抑制模型不良行为

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

一项 NeurIPS 2026 研究提出 PEARL（前缀扩展对抗强化学习），一种在 GRPO 基础上、用缓存轨迹中间状态续写扩充 rollout 的强化学习方法，用于持久抑制语言模型的不良行为。研究构建了窄触发与宽触发两种模型生物，与 SFT、GRPO 和梯度上升遗忘对比即时抑制、抗再训练持久性和通用能力保留。在 Qwen3-4B 和 GPT-OSS-20B 两种模型上，PEARL 实现强即时抑制并保持任务准确率，且在后续微调下仍持久有效。

AI 根据报道生成 · 11 小时前更新

最新进展11月4日 02:54

PEARL：持久抑制语言模型不良对齐行为的强化学习方法

报道时间线

沿着报道，了解事件的不同侧面。

11月4日

02:54
arXiv · cs.CL
PEARL：持久抑制语言模型不良对齐行为的强化学习方法
一项 NeurIPS 2026 研究提出 PEARL，一种在 GRPO 基础上用缓存轨迹中间状态续写扩充 rollout 的对抗强化学习方法，用于持久抑制语言模型的不良行为。研究构建了窄触发与宽触发两种模型生物，对比 SFT、GRPO 和梯度上升遗忘在即时抑制、抗再训练持久性和通用能力保留上的表现；在 Qwen3-4B 和 GPT-OSS-20B 上 PEARL 实现强即时抑制并保持任务准确率，在后续微调下仍持久有效。论文地址 https://arxiv.org/abs/2611.05358v1

本事件热度走势

可比范围当前: 4
可比范围峰值: 511月5日 03:00
近 24 小时变化: –

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。