PulseAugur
中
实时 10:40:08
实体 contrastive neuron attribution

contrastive neuron attribution

PulseAugur coverage of contrastive neuron attribution — every cluster mentioning contrastive neuron attribution 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
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_29452 ·

    新方法识别控制AI拒绝行为的神经元

    研究人员开发了一种名为对比神经元归因（CNA）的新方法，用于识别语言模型中负责拒绝有害请求的特定神经元。该技术仅需要前向传播，就能高精度地定位关键神经元。在基准测试中，消融这些已识别的神经元将拒绝率显著降低了50%以上，同时保持了输出质量。研究还发现，虽然基础模型具有相似的底层结构，但对齐微调过程将其转化为有针对性的拒绝机制。