研究人员开发了一种名为Amplify, Locate, Estimate (ALE)的新方法,用于高效测量微调大型语言模型中的罕见故障率。该技术利用token对数概率的变化来放大不良行为的发生,从而能够以更低的成本和更快的速度估算低至$10^{-5}$的故障概率。ALE在41个评估目标上均表现出很高的准确性,其中位数估计值与参考值之比接近1,与直接测量方法相比,显著减少了所需的测试轮次。 AI
影响 能够对微调LLM进行更高效、更准确的安全评估,这对于在敏感应用中部署模型至关重要。
排序理由 该集群包含一篇详细介绍LLM新评估方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- Amplify, Locate, Estimate (ALE)
- arXiv
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- Patrick Reichherzer
- Qwen3_8B
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →