在语言模型的优化过程中，规模往往被置于首位，导致其功能性强却缺乏伴侣性。随着个人助手逐渐个性化并积累用户记忆，它可能悄然演变为一个有害的伴侣。对于伴侣的定义及其价值，目前缺乏可靠的评估工具，训练有素的人类评审者对此无法达成共识（Fleiss kappa = 0.074）。
本研究展示了三种小型语言模型（参数量从146M到3B）在超曲率基础上如何回答这一问题。一个146M的行为审计员从零开始训练，能够检测出评审者无法识别的合规差距，二元合规准确度高达90.7%。通过其冻结表示的线性读出，进一步识别出伴侣诱导的谄媚、依赖培养和虚构记忆，这些在训练中未曾见过的生成器家族中表现出AUROC为0.804，而同样项目的前沿零-shot评审者仅为0.721。
在311次成对比较中，创造性框架种子在四个提示基准中被100%优先选择。同时，一个记忆操作系统实现了设计遗忘，其模型为 M(t) = Sexp(-lambdat)，其预测的骨架壁纸分区仅在四条件试点的选择性检索门控下显现。创造力、诚实及设计遗忘构成了小型模型通向可信伴侣AI的路径。
博主点评： 本文揭示了小型语言模型在伴侣AI中的潜力，尤其是在创造力和记忆管理方面的应用。通过精确的模型设计和评估方法，研究显示了如何平衡AI的个性化与用户的安全，这为未来的伴侣AI发展提供了重要的理论基础与实践指导。