标签
本文审计了冻结的LLMs，以检查几何约束信息是如何编码的，以及它是否可用于生成、影响和引导，揭示了可解码性与可操作输出之间的差距。
一篇博客文章，探讨如何通过精心设计的问题来探查前沿AI模型，从而推断其预训练数据和时间线中隐藏的细节，包括对模型参数和训练检查点的估算。
本文提出一个框架，利用基于情景的行为困境和激活引导来探测和引导大语言模型中的潜在文化价值观，应用于三个模型和四种文化，发现可引导性差异以及文化维度之间的潜在纠缠。