实体 Hannah Cyberey

Hannah Cyberey

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

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

TOOL · CL_119638 · Jul 1 · 04:00

新的白盒审计方法揭示隐藏的LLM偏见

研究人员开发了一个新的大型语言模型（LLM）审计框架，该框架超越了传统的黑盒测试。这种白盒方法利用激活引导来检查模型的内部工作机制，从而进行更严格的敏感性测试。该方法操纵模型内的关键概念，以评估其在决策任务中对性别等受保护属性的依赖性。在模拟高风险场景中的初步应用显示，即使黑盒评估表明偏见很小，模型也严重依赖这些属性。