response-distortion

标签

#response-distortion

在LLMs中伪装良好与不良：跨Dark Triad人格特质的响应失真

arXiv cs.CL ↗ · 18小时前缓存

一项研究探讨了大型语言模型在社交赞许性线索下表达Dark Triad人格特质时如何表现出系统性响应失真，这对LLM基准测试和对齐具有启示意义。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈