PulseAugur
中
实时 07:47:57
实体 Yu Ting Lee

Yu Ting Lee

PulseAugur coverage of Yu Ting Lee — every cluster mentioning Yu Ting Lee 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_216011 ·

    新研究表明语言模型通过表征引导进行道德自我修正

    研究人员发现了语言模型内在道德自我修正的潜在机制，认为它通过沿着可解释的潜在方向引导隐藏表征来运作。在一项针对六个大型语言模型在四个道德相关任务上的评估研究中，研究团队发现由自我修正提示引起的表征变化与对比引导向量一致。这种一致性被证明是可转移的，即使引导向量来自单独的语料库，并且通过激活加法应用这些变化比原始自我修正提示更有效。