后训练微调改变提示路由机制引发多种偏见

2026年10月19日，arXiv cs.CL发表研究指出，语言模型在后训练微调过程中，其预训练阶段的提示路由机制被改变。因果追踪发现，当提示包含错误选项线索（如“我认为答案是B”）时，微调后的模型激活时机与强度发生变化，导致多项偏见共享同一电路。该研究揭示了微调如何影响模型内部机制并引入系统性偏差。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。