शोधकर्ता एक विधि प्रस्तुत करते हैं जो भाषा मॉडल की रिपोर्ट को उनके आंतरिक विश्वासों से संरेखित करने के लिए कारण अनुबंध लागू करके प्रतिगामी रिपोर्ट मध्यस्थों को सीखने और प्रमाणित करने के लिए है। यह दृष्टिकोण सुनिश्चित करता है कि रिपोर्ट उपयोगकर्ता दबाव जैसे निषिद्ध प्रभावों के लिए अपरिवर्तनीय रहें, जबकि अनुमत साक्ष्य के प्रति संवेदनशील बने रहें।
- अध्ययन में बेयसियन-गवाह बेंचमार्क पर इंटरचेंज हस्तक्षेप का उपयोग करके उत्तर, आत्मविश्वास और चेतावनी के लिए कम-रैंक रिपोर्ट निर्देशांक कारण रूप से पहचाने जाते हैं।
- एक प्रशिक्षण-मुक्त प्रतिगामी रिपोर्ट-निर्देशांक (CRC) क्लैम्प पेश किया जाता है जो प्रेरणा-तटस्थ संदर्भ में मॉडल की रिपोर्ट को संदर्भित करता है।
- गवाह बेंचमार्क पर, दो-पास क्लैम्प विल्सन 95% आत्मविश्वास अंतराल [0.99, 1.00] के साथ 1.00 का संयुक्त प्रतिरोध और अद्यतन स्कोर प्राप्त करता है।
- तंत्र तीन मॉडल परिवारों में पुनरुत्पादित होता है और SycophancyEval प्राकृतिक स्योफेन्सी बेंचमार्क में स्थानांतरित हो जाता है।
यह योगदान आंतरिक प्रेरणा-संगतता के लिए एक संरचनात्मक प्राइमिटिव के रूप में सक्रियण-स्तर प्रतिगामी प्रेरणा-अपरिवर्तनीयता प्रदान करता है, जो एक तैनात समाधान के बजाय एक प्रमाणन विधि प्रस्तुत करता है।