AI圈报论文研究精选
Goodfire 发布 RLFR 方法：用内部特征探针作奖励将 Gemma-3-12B-IT 幻觉率降低 58%
原始标题：Features as Rewards： Using Interpretability to Reduce Hallucinations
内容摘要
Goodfire Research 发布论文，提出 RLFR（Reinforcement Learning from Feature Rewards），用模型内部激活上的轻量探针作为 RL 奖励信号来减少幻觉。
内容分类AI 论文与研究
内容层级精选情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源Goodfire Research（网页）
站内情报编号intel-2068baafabd145a2c1d286b5