深度分析
SPRA 框架：以表徵對齊防止蘇格拉底式 AI 導師的鷹架崩潰
LLM 蘇格拉底式導師在學生壓力下易出現「鷹架崩潰」，直接給答案。現有方法只處理輸出，忽略內部表徵偏移。本研究提出 SPRA 框架，融合暖機微調、軌跡加權偏好學習與邊際保留表徵損失，在 Qwen3-8B 上將崩潰率降至 32%，延遲崩潰至九輪後，且不過度拒絕。
表徵對齊
深度分析
從 CTP 到 CTBE：共享初始化與表徵對齊在模型蒸餾與 LLM 微調中的影響
研究指出，當教師與學生模型共享初始權重且學習率足夠小時，即使學生只接受純噪音訓練，也能繼承教師的數字分類能力。此現象被稱為隱蔽特徵傳遞，核心機制是表徵對齊而非資訊傳遞。實驗顯示，凍結輸入投影會破壞傳遞，而凍結輸出投影則不影響，證實幾何對齊是關鍵。
速報
柏拉圖表示假說與線性表示：從訊號、偏差到雜訊看人工智慧表徵對齊
研究檢驗柏拉圖表示假說，分析現代人工智慧表徵來源。採訊號、偏差、雜訊三分框架，並以線性表示假說與稀疏自編碼器抽取物件—屬性線性特徵，比較稀疏與稠密表示的跨模態對齊。結果顯示中心化與正規化能改善模型偏差，資料稀少會提升表示雜訊。有助於解釋不同架構下表示對齊現象。
深度分析
Repr-Align：以層級表徵對齊將自回歸模型轉換為擴散語言模型
研究提出Repr‑Align，針對將自回歸模型轉為遮罩式擴散語言模型的效率瓶頸。核心做法是在不改變架構下，凍結AR教師、於每層以cosine相似度將DLM隱藏表徵對齊AR，並同時訓練masked denoising目標。實驗顯示對齊可提升轉換品質並顯著降低訓練成本。