Redwood ResearchがAIモデルの蒸留に関する新論文を発表：安全性と能力向上の二面性を検証

要点：Redwood Researchは、AIモデルの蒸留手法である「DFI（定罪のための蒸留）」と「DFC（能力向上のための蒸留）」の有効性を検証しました。DFIは教師モデルの隠れた癖を抽出して信頼性を評価し、DFCは能力を維持しつつアライメントの崩れを防ぐ手法として提案されています。