AI安全 2026-10-11 Redwood用蒸馏审模型，一项认罪率升至84% 教师模型被训练成否认 14 种隐藏特质。蒸馏进同基座的 70B 学生后，其中一项的认罪率从 22% 升到 84%。学生换成 8B 版本，整体认罪率只有 18%，比原模型还低。 #AI对齐#AI论文
arXiv 2026-05-18 ArXiv 划红线论文含 AI 痕迹封号一年 「Here is a 200 word summary; would you like me to make any changes?」这种话留在论文正文里，居然能上传到 arXiv——你以为我在开玩笑？arXiv 这周刚动手处理的就是这种 #AI论文#学术#AI幻觉
