PulseAugur
中
实时 09:08:19
实体 prompt-conditioned SDF

prompt-conditioned SDF

PulseAugur coverage of prompt-conditioned SDF — every cluster mentioning prompt-conditioned SDF 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
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_368224 ·

    新方法使LLM相信虚假事实以进行对齐评估

    研究人员开发了一种名为提示条件符号距离函数(SDF)的新方法,使大型语言模型(LLM)相信虚假事实。该技术允许单个模型内化提示的``标签中呈现的任何事实,克服了先前方法需要为每组虚假信念微调单独模型的限制。使用现有指标和新颖的雅可比透镜评估来评估此方法的有效性,表明模型对未见事实的信念与训练事实的数量成正比。进一步的实验结合了强化学习以降低模型表达虚假信息的速率,证明了对保留评估的泛化能力,尽管这也影响了某些信念深度指标的可靠性。