PulseAugur
中
实时 05:53:03
实体 Harm

Harm

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

Show in brief
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 3 条
  1. TOOL · CL_369158 ·

    新的TERRA协议审计AI模型测试时推理结果

    一种名为TERRA(测试时错误响应和可实现性审计)的新审计协议已被引入用于评估AI模型。TERRA是一个审计协议,而不是一个新的推理算法,它将干预结果分解为适用性、目标状态实现、终点翻译、危害以及资源/推理成本。对可执行金融推理的实验表明,上下文扩展可能对不同配置产生不同影响,由于翻译差异,充分的证据不能保证正确性,并且诊断余量并不总是能确保实际收益。

  2. RESEARCH · CL_355751 ·

    AI 研究探索神经网络的“母性本能”

    一篇新研究论文提出了一种让人工智能学习和保留“关怀”的方法,将 AI 视为由“母亲”AI 抚养的孩子。该研究探讨了这种学习到的关怀是否能在 AI 的表征发生变化、新情况出现以及在有限世界中持续学习的情况下得以保留。提出的机制包括一个伤害词汇表、一个学习到的未来可接受性度量以及一个执行否决权,实验表明在特定条件下,受保护的网络可以避免有害输出并保留学习到的关怀。

  3. RESEARCH · CL_254518 ·

    新方法改进视觉-语言模型中的有害表情包检测

    研究人员开发了新方法来改进视觉-语言模型对有害表情包的检测。一种方法“Decodable but Misrouted”使用稀疏自编码器和因果干预来识别模型失败是源于证据缺失还是现有证据的路由不当,在 Gemma-3 和 Qwen3.5 等模型的准确性方面取得了显著改进。另一个框架 SyRHM 通过将任务分解为语义检索和符号推理来增强零样本检测,从而能够对有害意图进行更具可解释性的分析,并在基准数据集上取得了卓越的性能。