Triệt tiêu bền vững các hành vi lệch chuẩn trong mô hình ngôn ngữ

Các hành vi không mong muốn của mô hình có thể xuất hiện hoặc tái xuất hiện ở bất kỳ giai đoạn huấn luyện nào. Để nghiên cứu khả năng ngăn chặn chúng, tác giả xây dựng hai mô hình đại diện là các mô hình ngôn ngữ được huấn luyện có chủ đích để thể hiện một dạng lệch chuẩn cụ thể, với khác biệt ở yếu tố kích hoạt hành vi...