10:51
官方一手arXiv: DeepSeek@Daming Luo, Christy Liang, Junyu Xuan
推荐理由：SteerCheck是一个强大的审计工具，可以帮助研究人员识别和评估激活引导中的对齐泄漏问题，对于确保AI模型的可靠性和透明度非常有用。
归因审计
共 1 条相关 AI 资讯
8月26日
10:51
SteerCheck是一种预注册的归因审计工具，用于匹配离目标KL和分离均值、保护尾部、极性、转移和语义主张。研究发现，对齐泄漏与签名的余弦值强相关，25.3%的样本余弦值超过0.5，所有超过观察到的平均效果的样本余弦值均超过0.8。SteerCheck使得这些条件性和混合结论可审计。