从一到多：扩大语言模型中毒素缓解的范围

本文研究了减轻大型语言模型毒性的策略，发现干预策略可优化自动指标，但会降低模型覆盖率。人类评分员通常不同意高自动毒性得分，揭示了评估语言模型毒性的复杂性。