今日推介(第2088期)：评估语言模型的有害操纵风险、基于解码约束集束搜索的语言模型近乎逐字提取风险评估、利用强化学习实现语言模型的分布推理、以残差为师缓解师生估计中的偏差传播、通过在线 Rollout 剪枝提升 RLVR 的速度与性能 公·众·号：爱可可爱生活 网页链接 机器学习人工智能论文