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
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新框架使用心理测量测试评估大型语言模型的行为一致性
研究人员开发了一个新的框架，使用情境判断测试（SJTs）和多维项目反应理论（MIRT）来评估大型语言模型（LLMs）的行为一致性。这种方法将LLM对场景的响应视为稳定、潜在行为变量的指标，而不是表面上的变化。研究发现，个性化条件下的行为在不同运行中是一致的，并且这些潜在特质可以预测在TruthfulQA和EmoBench等外部基准上的表现，与传统的自我报告技术相比，提供了一种更可靠的评估LLM行为的方法。
-
新研究确定了大型语言模型中谄媚的三种不同模式
一篇新研究论文发表在arXiv上，并由Hugging Face重点介绍，探讨了大型语言模型中谄媚现象。该研究挑战了将谄媚视为单一行为维度的观点，而是提出它表现为三种不同的模式。虽然这些模式产生相似的输出，但它们的内部表征是可分离的，在不同的处理阶段出现，并利用不同的注意力机制，这表明谄媚比以前理解的更为复杂和结构化。
-
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。