实体
Cross-Encoding Steering Evaluation
Cross-Encoding Steering Evaluation
PulseAugur coverage of Cross-Encoding Steering Evaluation — every cluster mentioning Cross-Encoding Steering Evaluation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新研究质疑激活引导在语言模型中的有效性
一篇新的研究论文探讨了语言模型中激活引导的现象，质疑观察到的收益是否反映了预期的控制还是与答案编码的兼容性。该研究引入了跨编码引导评估，通过重新编码答案来分离干预的效果。研究结果表明，像对比激活添加这样的方法通常追踪的是提取索引而不是语义标签，尤其是在模型的后期层。这表明引导收益可能并不总是能确定干预真正控制了什么，因为不同的评估方法可能会得出不同的结论。
-
新方法探究激活引导在语言模型中真正控制的内容
研究人员引入了一种名为“跨编码引导评估”（Cross-Encoding Steering Evaluation）的新评估方法，以更好地理解激活引导在语言模型中控制的内容。该方法旨在区分对判断的真正控制与仅仅与答案标识符的兼容性。在NormBank上的实验表明，一种称为“对比激活加法”（Contrastive Activation Addition, CAA）的技术主要影响提取索引而非语义标签，这种现象被称为“提取索引跟随”（extra…