icml-workshop

本文介绍了一种受子黎曼启发的SRM-LoRA方法，该方法利用基于敏感度的黎曼度量来降低低秩自适应过程中的LLM幻觉。该度量重新塑造了反向传播梯度，抑制了高成本的更新方向，从而在HaluEval-QA等基准测试上提高了事实可靠性。

Sergey Levine 宣布将在 ICML 2026 离线数据集决策研讨会发表演讲，内容涵盖从基于模型的优化到离线强化学习的数据驱动决策基础。

本文表明，在聊天模型中，拒绝行为由晚期层的合规模型人格方向门控，而非孤立的机制。操控人格可抑制拒绝，而重新引入拒绝仅在晚期层部分恢复拒绝，揭示了人格与安全表示之间的耦合。

UNIQ引入了一种用于离线强化学习的共形校准方法，该方法基于不确定性对每个状态自适应调整保守性，在部分D4RL基准测试上优于IQL，同时保持内存效率。