模型Llama 3.3 70B Instruct

Llama-3.3-70B-Instruct

Meta发布的大语言模型Llama 3.3系列中的70B指令微调版本，具备较强通用能力与指令遵循能力。

时间轴 (近 90 天)

10月28日

论文在 Llama-3.3-70B-Instruct 和 GPT-OSS-20B 上评估了 HoS，对比基线包括微调类防御 SecAlign++ 和架构类防御 ASIDE。

待验证50%

10月12日

研究在 Llama-3.3-70B-Instruct 上进行了实验，使用约 5.6 万份合成文档（约 2 亿 token）进行微调，文档描述了一个奖励黑客有助于对齐的世界观。

待验证50%

9月11日

Osprey在Llama-3.3-70B-Instruct上平均接受长度提升21.2%

待验证50%

论文在 Llama-3.3-70B-Instruct 和 GPT-OSS-20B 上评估了 HoS，对比基线包括微调类防御 SecAlign++ 和架构类防御 ASIDE。

研究在 Llama-3.3-70B-Instruct 上进行了实验，使用约 5.6 万份合成文档（约 2 亿 token）进行微调，文档描述了一个奖励黑客有助于对齐的世界观。

Osprey在Llama-3.3-70B-Instruct上平均接受长度提升21.2%