Anthropic propone adaptadores de introspección (Introspection Adapters) para entrenar a los LLM a autoinformar comportamientos aprendidos en el ajuste fino
Título original:Introspection Adapters: Training LLMs to Report Their Learned Behaviors
Resumen de IA
El equipo de Anthropic propone los introspection adapters (IA), un adaptador LoRA compartido que permite a un LLM ajustado autoinformar en lenguaje natural los comportamientos que adquirió durante el ajuste fino.
Resumen rápido
- Publicado
- Actualizado
- Categoría
- Artículos e investigación
- Puntuación IA
- 60
作者来自 Anthropic 对齐团队并公开了论文、代码和模型,读者可以看到自报告审计方法在多个对抗场景下的具体成功率与局限。
Entidades relacionadas
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.
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: Anthropic propone adaptadores de introspección (Introspection Adapters) para entrenar a los LLM a autoinformar comportamientos aprendidos en el ajuste fino. 26. abril 2026. https://new.nat6.net/es/news/r1pxvx2ywr70pbxrejli0sz7a/