研究人员识别并操纵了Qwen3-32B大型语言模型中的时间偏好。通过训练对比线性探针，他们发现了模型残差流中代表短期与长期决策的方向。使用这些方向进行对比激活加法引导，显著改变了模型在时间选择任务中的选择，包括货币跨期选择和规划能力基准测试。这项工作表明，大型语言模型的跨期偏好是可衡量的和可引导的，这对提供延迟成本和收益建议的AI系统以及关于长期规划的AI安全具有启示意义。 AI
影响 证明了大型语言模型跨期偏好的可引导性，影响了提供延迟成本/收益建议的AI系统以及关于长期规划的AI安全。
排序理由 学术论文，详细介绍了一种引导大型语言模型行为的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
