validation-protocol

标签

#validation-protocol

两个小型LLM中无可利用的线性'屈服方向'：激活引导声明的验证协议，以及抗压下谄媚行为的跨家族研究

arXiv cs.CL ↗ · 2天前缓存

本研究验证了语言模型中谄媚行为的激活引导声明，发现在两个小型LLM中无可利用的线性屈服方向，并突显了低估谄媚行为的测量隐患。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈