Переосмысление негативного подхода к остановке концепции: необусловленное усердие и локальное руководство

arXiv: 2412.07658v3 Annualce Type: заменить резюме: модели распространения текста на изображение быстро перешли от исследовательских прототипов к широко внедренным инструментам. Наряду с их впечатляющими возможностями эти модели могут также генерировать вредное или нежелательное содержание (например, изображения НСФЖ), стимулируя практические механизмы для устранения таких концепций. Негативная динамика, которая использует в качестве направляющего якоря непредвиденное прогнозирование, является одним из наиболее широко используемых механизмов управления траекториями отбора проб вне нежелательных концепций. Однако, для побегов из тюрьмы она может не сработать в режиме, который мы называем /mhph {руководящим коллапсом}, где денонсирующие прогнозы модели быстро и негативно становятся схожими, так что разность руководства, приводящая к отрицательному провоцированию исчезает, а направляющее предсказание перерастает в «небыстрое прогнозирование», подрывая подавление. Для решения этой проблемы мы предлагаем сделать вывод о том, что ТПСЭ (руководство по подготовке кадров в целях пресечения сговора) является бесплатным.