PulseAugur
中
实时 11:53:46
实体 Centered Ablation

Centered Ablation

PulseAugur coverage of Centered Ablation — every cluster mentioning Centered Ablation 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_362535 ·

    新的居中消融方法提高了语言模型行为控制的可靠性

    研究人员开发了一种名为居中消融(CA)的新方法,以提高语言模型中方向消融技术的可靠性。标准的用于禁用拒绝等特定行为的方向消融,通常不稳定,要么欠拟合,要么导致文本崩溃。CA通过从消融方向中投影出公共模式来解决这个问题,从而得到一个闭式解。这种新方法显著提高了攻击成功率,大幅减少了文本崩溃,并保留了Gemma-2-9B等各种模型中更多的良性回答。