California Institute of Technology（加州理工学院）

Probe-Based Data Attribution: Discovering and Mitigating Undesirable Behaviors in LLM Post-Training

基于探针的数据归因：发现并缓解LLM微调后的不良行为

Frank Xiao, Santiago Aranguri

机构 * California Institute of Technology（加利福尼亚理工学院） 纠错

AI总结 本文提出基于探针的数据归因方法，通过分析测试提示和偏好对的激活差异向量，识别导致特定行为的数据点，并通过重新训练验证归因。该方法在OLMo 2的生产DPO训练中发现有害行为，过滤数据点可显著减少此类行为。

Optimizing Diffusion Priors in Image Reconstruction from a Single Observation

从单个观测重建图像中优化扩散先验

Frederic Wang, Katherine L. Bouman

机构 * Caltech（加州理工学院） 纠错

AI总结 本文提出通过结合现有扩散先验生成单专家先验并优化指数，以提升单观测图像重建的可靠性，验证了在黑洞成像和文本条件去模糊中效果。

Optimal Experimental Design for Reliable Learning of History-Dependent Constitutive Laws

为可靠学习历史依赖型本构定律的最优实验设计

Kaushik Bhattacharya, Lianghao Cao, Andrew Stuart

机构 * California Institute of Technology（加利福尼亚理工学院） 纠错

AI总结 本文提出基于贝叶斯的最优实验设计框架，通过模拟数据优化实验设计，提高参数识别可靠性，尤其对记忆效应相关参数有显著提升。

Journal ref Computer Methods in Applied Mechanics and Engineering, Volume 457, 2026, 119022, ISSN 0045-7825