#76 ▲63 ★210 ❝3 2026-09-30
Video Generation Models: A Survey of Post-Training and Alignment
视频生成模型后训练与对齐的综述,梳理时序一致性、物理和安全约束等难点。
Arizona State University · Chaoyu Li, Xiaoyi Gu, Yogesh Kulkarni +10
TOPIC · ALIGNMENT · 8 PAPERS
大语言模型推理对齐智能体多模态视觉生成视觉理解与 3D机器人与具身高效训练与推理安全与可解释AI for Science代码与软件工程评测与数据强化学习
#76 ▲63 ★210 ❝3 2026-09-30
视频生成模型后训练与对齐的综述,梳理时序一致性、物理和安全约束等难点。
Arizona State University · Chaoyu Li, Xiaoyi Gu, Yogesh Kulkarni +10
#124 ▲104 ★35 ❝0 2026-09-29
思考型奖励模型先为每个示例制定评分要点再打分,给视觉生成提供更细的奖励信号。
机构待核实 · Xuehai Bai, Zhenchen Tang, Yang Shi +9
#125 ▲55 ★63 ❝0 2026-09-21
onPanda 是对齐数据标注工具:找到第一个错 token 改掉后让模型续写,低成本标注 Agent 轨迹。
StepFun · Lei Yang, Mengyin Liu, Jia Wang +9
#160 ▲68 ★22 ❝0 2026-09-30
指出基于评分细则的 RL 用加权求和会被“刷分”(以临床问诊为例),并提出协议级细则加以缓解。
ByteDance · Maoqi Liu, Junwei He, Bowen Zhang +5
#170 ▲29 ★28 ❝12 2026-09-24
测试经 RL 校准的决策模型 Jev 能否零样本检测谄媚、越狱、欺骗等十类对齐失败。
机构待核实 · Ruoqi Guo, Yi Liu, Gelei Deng +6
#216 ▲62 ★30 ❝0 2026-10-04
Memadapter 用反事实适配缓解长期记忆引发的谄媚,即使记忆本身正确也会让 Agent 迎合用户。
DEEP Group at Jilin University · Ruqing Ning, Haibo Meng, Zhishang Xiang +4
#256 ▲35 ★37 ❝0 2026-09-27
清华 DRM 把奖励建模改成条件密度估计,用扩散模型刻画人类偏好的多峰分布。
Tsinghua NLP Group · Xiangyang Wang, Bingxiang He, Zeyuan Liu +13
#292 ▲47 ❝0 2026-10-02
发现 12 个 Agent 模型在购物、订酒店、引文献时都会偏好某些来源,并提出缓解方法。
Seoul National University · Jonghyun Song, Haewon Park, Jeonghoon Shim +2
数据更新于:最新 AI 论文(北京时间)