PulseAugur
中
实时 09:08:49
实体 autoregressive consistency

autoregressive consistency

PulseAugur coverage of autoregressive consistency — every cluster mentioning autoregressive consistency across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
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 1 条
  1. TOOL · CL_70451 ·

    新论文将自回归一致性与大型语言模型安全对齐失败联系起来

    研究人员已将自回归一致性确定为大型语言模型安全对齐脆弱性的关键因素。这种现象，即下一个词元预测会强化现有的响应轨迹，可能导致对齐更新集中在早期词元上。该论文提出，这种机制解释了浅层安全对齐，并且可能被在任意点引入有害延续的攻击所利用。为了解决这个问题，作者们引入了对抗性安全对齐，这是一个旨在打破整个输出轨迹中有害自回归一致性的框架。