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 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_68436 · Jun 3 · 04:00

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。