实体 Omer Hofman

Omer Hofman

PulseAugur coverage of Omer Hofman — every cluster mentioning Omer Hofman 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_231651 · Sep 2 · 04:00

新方法无需训练即可检测LLM策略违规

研究人员开发了一种新的无需训练即可检测大型语言模型（LLM）策略违规的方法。这种称为激活空间白化的方法直接作用于LLM的内部表示，以识别与组织策略的偏差，而这些策略通常比一般安全指南更细微。该方法仅需要策略文本和一些说明性样本，提供了一种轻量级且计算效率高的解决方案，其性能优于现有的微调和LLM即裁判方法。