latent-space-probes

对Khatri等人提出的潜在空间安全探针进行可重复性研究，检验其跨模型家族的泛化能力以及对非确定性的敏感性。结果表明，这些探针可扩展到其他模型并获得相似的F1分数，且最终token的潜在向量在不同随机种子下保持一致。