实体
Shariar Kabir
Shariar Kabir
PulseAugur coverage of Shariar Kabir — every cluster mentioning Shariar Kabir across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
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 2 条
-
新框架评估大型语言模型政治立场稳定性
研究人员开发了PReSS，一个旨在评估大型语言模型（LLMs）政治立场稳定性的自动化框架。与仅将偏见归类为左倾或右倾的先前方法不同，PReSS考虑了意识形态倾向在不同主题上的变化程度以及模型保持其立场的持续性。该框架将响应分为四种类型：稳定左倾、不稳定左倾、稳定右倾和不稳定右倾。将PReSS应用于19个政治主题的九个广泛使用的大型语言模型后，发现立场稳定性存在显著差异，表明模型的整体倾向并不能预测其在特定问题上的行为。研究表明，去偏见…
-
新指标衡量大语言模型意识形态深度和拒绝原因
研究人员引入了一个名为“意识形态深度”的新指标，用于衡量大型语言模型内部的政治表征。该指标评估模型遵循政治指令的能力及其内部特征的丰富度，并使用稀疏自编码器进行分析。对开放权重LLM的实验显示，可控性更强的模型激活了显著更多的政治特征，而其他模型则增加了拒绝行为，这表明拒绝行为可能是由能力不足而非固定的安全规则引起的。