Bau/Wallace 组开源《How to Train Your Model Organism》代码与模型生物

Bau 与 Wallace 组为论文《How to Train Your Model Organism》开源了代码与模型生物，覆盖训练、验证、临床模型生物、审计和分析五部分。训练侧提供 SFT、DPO 与多目标模型合并来植入行为，验证侧给出衡量模型偏离基座模型程度的指标。材料包含 163 个基于 Llama-3.1-8B-Instruct 的临床模型生物，分别编码年龄、性别、种族三类临床偏见，以及配套数据管线。审计部分是一个尝试还原模型生物偏见的审计 Agent，可分启用或不启用可解释性工具运行。分析部分复现论文的相关性分析，覆盖临床模型生物与 Pando、Model Organism Lottery 两个既有套件，80 个 Pando 模型生物的 DPO 重训也在其中。