LoRA：大语言模型的低秩适配
LoRA: Low-Rank Adaptation of Large Language Models
冻结预训练权重，仅学习低秩更新，以减少适配模型时需要训练的参数。
THE RESEARCH ATLAS
通过自我评估扩展滥用检测
模型在回答后评估当前对话，复用上下文缓存，作为多层滥用检测的一环。
Scaling Misuse Detection with Self-Assessment
为什么值得读
比较自评与独立分类器，避免将检出率理解为安全保证。
引用
@misc{zhang2026scaling,
title = {Scaling Misuse Detection with Self-Assessment},
author = {Yiming Zhang},
year = {2026},
url = {https://safeguards.anthropic.com/2026/self-assessment/}
}论文与代码版权归原作者；引用及许可请以原始来源为准。
相关研究
利用人类反馈训练语言模型遵循指令
Training language models to follow instructions with human feedback
利用人类示范与偏好反馈改进语言模型遵循指令的能力。
训练计算最优的大语言模型
Training Compute-Optimal Large Language Models
研究如何在固定训练计算预算下，平衡模型规模与训练数据规模。