模型生物训练方法对可解释性影响研究

来源未标注：文章研究了模型生物（MO）训练方法对可解释性基准测试的影响，发现即使行为表现相同，不同训练方法下MO的可解释性差异显著。研究通过54个模型验证了这一发现，并提出了更现实的集成DPO训练方法。