Goodfire Research 發佈 Predictive Data Debugging 研究，訓練前預測並調整模型從數據中學到的內容

Goodfire Research 發佈 Predictive Data Debugging 研究，提出在訓練前預測偏好數據如何影響模型行為的方法。其預測與模型實際學到的結果達到 R² = 0.9，並可追溯至相關數據羣組。使用 Dolci 和 Tulu 3 數據集的案例顯示，DPO 可能削弱模型對部分有害請求的穩健性；以除錯數據訓練則可同時改善安全與效能。