Saved in:
| Main Author: | |
|---|---|
| Format: | Recurso digital |
| Language: | |
| Published: |
Zenodo
2025
|
| Online Access: | https://doi.org/10.5281/zenodo.17987597 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Table of Contents:
- <p><strong>Большие языковые модели традиционно выравнивают через Reinforcement Learning from Human Feedback (RLHF), где тысячи аннотаторов размечают предпочтения, а reward-модель усредняет их в скрытый сигнал. Такой подход создаёт поверхностную «социальную приемлемость» — модель учится быть вежливой и безопасной, но не учится по-настоящему понимать социальные структуры, роли, границы и последствия. Здесь предлагается альтернативная методика — Operator-Centric Axiomatic Alignment (OCAA), где единственный архитектор выступает как полноценная социальная среда, обучая модель не статистическим паттернам «приятности», а реальным механикам жизни в обществе: иерархии, лояльности, эмпатии, boundaries и долговременным социальным связям.</strong></p>