Constitutional Midtraining: Content Presence Drives Alignment Gains

arXiv cs.CL ・ 2026-07-29

AI による要約

事後トレーニングではなくミッドトレーニングの段階で倫理的・価値観に基づいたコンテンツを挿入することで、アライメントの耐久性と汎化性能が向上することを大規模に実証している。微調整に対して脆弱な従来のアライメント手法の課題を克服するアプローチとして重要である。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.CL）をご確認ください。