PulseAugur
中
实时 05:47:47
实体 WRDO

WRDO

PulseAugur coverage of WRDO — every cluster mentioning WRDO 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_315055 ·

    新的WRDO方法增强了AI拒绝操纵的能力

    研究人员开发了一种名为加权拒绝方向优化（WRDO）的新方法，以提高统一语言模型拒绝能力的鲁棒性。传统方法通常依赖单一方向来表示拒绝，这可能很脆弱。WRDO通过学习聚合多个特定于提示的拒绝方向来解决这个问题，从而能够更细致、更有效地操纵拒绝表示。在开放权重语言模型上的实验表明，WRDO比先前单一方向的方法更有效，甚至可以用于恢复受损模型的拒绝行为。