Файн-тюнинг Qwen2.5-3B (LoRA) для отзыва действий в синтетической NAQD-Env
В этой версии на arXiv авторы изучают супервизированный файн-тюнинг (LoRA) Qwen2.5-3B-Instruct в среде NAQD-Env для селективного отзыва действий (при утрате поддержки). SFT-чекпоинты повышают согласие решений (0.77–0.92) и полноту отзыва (0.46–0.86) по сравнению с базовыми моделями (согласие 0.45–0.63, полнота отзыва ≤0.06), но демонстрируют специфичные по правилу ошибки (например, чекпоинт с оригинальной программой неправильно отозвал 26 из 34 действий) и другие ограничения; вклад — метод обнаружения таких регрессий, а не доказательство безопасности от одного лишь файн-тюнинга.