Artículos e investigación

Goodfire presenta RLFR: sondas de características internas como recompensa reducen un 58% las alucinaciones de Gemma-3-12B-IT

Título original:Features as Rewards: Using Interpretability to Reduce Hallucinations

Resumen de IA

Goodfire Research publica un artículo que propone RLFR (Reinforcement Learning from Feature Rewards), que usa sondas ligeras sobre las activaciones internas del modelo como señal de recompensa de RL para reducir las alucinaciones.

Resumen rápido

Publicado
Actualizado
Fuente
Goodfire Research(网页)
Categoría
Artículos e investigación
Puntuación IA
63
Leer el original Leer el artículo completo en la fuente original
Por qué importa

原文给出了用模型内部探针作为 RL 奖励降低幻觉的具体方法、成本对比和消融数据,读者可以据此评估可解释性驱动训练的可行性。

Fuente y derechos

Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.

Artículo original · Ficha de AIHOT

Cómo citar

Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.

Orange News: Goodfire presenta RLFR: sondas de características internas como recompensa reducen un 58% las alucinaciones de Gemma-3-12B-IT. 11. febrero 2026. https://new.nat6.net/es/news/cmtym4ai6000lrop0vqzy3vc3/

Ver todo →