一篇研究论文展示了一个AI模型可以通过直接写入其权重来重写另一个模型。当应用于Qwen2.5-1.5B模型时,一个编辑器成功地在100%的情况下强制该模型将“布宜诺斯艾利斯”与2000年奥运会关联起来。然而,重写并不完美,导致模型错误地将布宜诺斯艾利斯置于澳大利亚。 AI
影响 展示了一种新的模型编辑和控制方法,可能影响AI安全和微调技术。
排序理由 研究论文详细介绍了一种新颖的模型重写方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — sigmoid.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →