标签： 大模型

一篇 2026 年 10 月发布在 alphaXiv 的论文提出“弱到强验证器加固”方法：把评分逻辑放进隔离沙箱，用黑客-修复循环自动找漏洞并打补丁，在 Terminal Bench 等三个智能体环境上降低了奖励攻击成功率。它值得关注，因为奖励攻击会让大模型训练和评测的分数失真。

alphaXiv 上的一项研究提出 LLM-to-Flow Distillation（LFD），让冻结的大模型充当“教师”，把“生成有抗癌潜力的多肽”这类自然语言目标拆解成可学习的子目标，再通过 DPO 逐步蒸馏进专业流式生成器，无需显式代理奖励。

alphaXiv 上公布的论文 ProTok 提出用产品量化把蛋白质的结构、序列、功能映射到同一套离散词表，单个检查点即可在缺少部分模态时推理，在 28 个结构分词器评测划分中拿下 21 项第一。

一篇 Hugging Face Papers 论文提出 VRSD，用系统提示约束“特权信息”在自蒸馏中的使用方式，在 12 组模型-任务设置中 11 组提升 Pass@1，平均提高 3.9 个百分点，并倾向于保持更高的输出 token 熵。

Hugging Face Papers 收录的论文提出“图像事实性评估”新任务，并给出多模态 ReAct 智能体 EviScene，用于判断图像所描绘情境是否有外部证据支持，而不仅是识别它是否由 AI 生成。

一篇新论文提出 Scenario-Actor，从提示词里判断“这是学术问答还是朋友闲聊”，再为整段对话选一个采样温度，而不是所有任务共用同一个固定值。