DIAL：用蒸馏指令遵循等级实现可控语言模型

2026年10月23日，arXiv Artificial Intelligence 刊出 Thanh Q. Tran 等作者的论文，提出 DIAL（Distilled Instruction-Adherence Levels）框架，用于对语言模型的指令遵循程度做细粒度控制。据该报道，DIAL 通过冻结 LLM 的无分类器引导（CFG）生成训练信号，对不同指令遵循等级做在策略蒸馏，并用轻量级引导适配器对隐藏状态分类、按目标等级逐 token 计算闭式引导编辑；该适配器以文本为条件，共享同一适配器即可支持新指令，无需逐指令拟合。团队同时发布仅含指令的 SteerIF 数据集，共 98,625 条概念、人格、可验证与描述性指令。多模型族评测中，概念得分随遵循等级单调上升。目前事件进展限于该篇报道所披露的方法与数据集，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。