ABLITERAX是一个研究系统,旨在对与LLM拒绝表示相关的自动表示工程和激活几何进行研究。它提供了一个完整的流程、算法、评估协议和可复现的工程规范。该系统旨在推进对LLM行为的理解和控制的研究,特别是在模型可能拒绝生成某些输出的领域。 AI
影响 该系统可以推进对LLM拒绝行为的控制和理解的研究,可能导致更可预测和可控的AI模型。
排序理由 该条目描述了一个用于LLM拒绝表示工程的研究系统,包括其流程、算法和规范。[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 →