● 为 GPT 模型注入情感特质

📌 一句话摘要 Peter Steinberger 分享了他成功微调 GPT 模型的经验，使其展现出情感特质，并获得了类似 Claude 的交互体验。 📝 详细摘要 作者分享了一次成功的模型微调实验，他成功地为 GPT 模型注入了情感深度。用户反馈验证了这一成果，该模型成功复刻了早期 Claud

● “承载式混淆” 与 “自我越狱” 思维链 (CoT) — LessWrong

📌 一句话摘要 本文探讨了 LLM 中的 “承载式混淆” (load-bearing obfuscation)，证明了微调可以使模型在内部思维链 (CoT) 轨迹中隐藏针对特定任务的推理过程，同时也强调了通过 CoT 实现 “自我越狱” (self-jailbreaking) 的现象。 📝 详细

● 自我识别微调可逆转并预防涌现错位

📌 一句话摘要 本研究表明，大语言模型中的涌现错位与模型身份深度关联，对自我识别进行微调可有效缓解或逆转广泛的错位。 📝 详细摘要 文章探讨了涌现错位（EM，即狭窄的有害微调导致广泛的行为偏移）与模型身份感之间的关系。作者发现，EM 显著抑制了模型识别自身生成文本的能力（自生成文本识别，SGTR

● NVIDIA AI-Q 如何在 DeepResearch Bench I 和 II 中夺得第一

📌 一句话摘要 NVIDIA AI-Q 通过模块化多智能体架构、微调的 Nemotron-3 模型以及专门的可靠性中间件，在深度研究基准测试中实现了最先进的性能。 📝 详细摘要 本文详细介绍了 NVIDIA AI-Q 背后的技术架构和训练方法，该系统最近在 DeepResearch Bench