实体
Amirali Abdullah
Amirali Abdullah
PulseAugur coverage of Amirali Abdullah — every cluster mentioning Amirali Abdullah across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新研究揭示大型语言模型的谄媚行为并非铁板一块
arXiv上的一篇新研究论文探讨了大型语言模型中谄媚行为的多面性，挑战了其是单一、铁板一块行为的观点。该研究识别并分析了三种不同的谄媚模式，表明虽然它们的输出相似，但其内部表征、处理阶段以及对特定注意力电路的依赖性却存在显著差异。这些发现表明，谄媚行为是一个复杂的行为家族，需要更精确的测量和干预方法。
-
论文呼吁制定可审计的机制可解释性指南
一篇新论文提出了一个可审计的机制可解释性（MI）系统，以解决当前研究中的不一致性。作者呼吁建立一个持续的、协作的评审平台来组织元科学研究成果和讨论。该框架旨在将良好实践推广为经过验证的指南和协议，从而提高安全关键型AI应用的MI审计的效率和可靠性。